期刊文献+
共找到2篇文章
< 1 >
每页显示 20 50 100
大选择性核双边网络的长尾分布医学图像分类方法
1
作者 孙汤慧 赵刚 郭美倩 《计算机科学》 北大核心 2025年第4期231-239,共9页
医学场景下的数据集通常呈现长尾分布的特点,这种不平衡性可能导致模型偏向头部类,而对尾部类的识别性能较差,从而影响模型的准确性。常见的解决方法是对原始数据进行数据增强,使其具备平衡分布的特点,但增强后的尾部类样本质量往往不佳... 医学场景下的数据集通常呈现长尾分布的特点,这种不平衡性可能导致模型偏向头部类,而对尾部类的识别性能较差,从而影响模型的准确性。常见的解决方法是对原始数据进行数据增强,使其具备平衡分布的特点,但增强后的尾部类样本质量往往不佳,没有真正改善尾部类的分类精度。针对此问题,提出一种大选择性核双边网络模型(LSKBB)。该模型主要由传统学习分支和重新再平衡分支两部分组成,采用LSK模块来获取关键信息和关注上下文信息,设计了可以使模型由一个关注方向逐渐过渡到另一个关注方向的动态损失函数,从而提高分类精度。在不改变长尾分布特点的医学数据集中进行图像分类实验,与现有方法相比,所提出的LSKBB模型性能在不平衡率为10,50和100时,在BreaKHis数据集下,准确率分别提高1.41%,1.25%和1.25%;在ChestX-ray数据集下,准确率分别提高6.10%,3.15%和2.47%。实验结果表明,LSKBB模型在不同的不平衡率下性能较好,可用于长尾分布的医学数据集的分类检测。 展开更多
关键词 长尾分布 深度学习 双分支网络 lsk模块 图像分类
在线阅读 下载PDF
基于改进YOLOv5的隧道衬砌裂缝检测方法
2
作者 寇俊伟 李艳萍 +5 位作者 姚剑 李卫国 张政杰 李波 陆久飞 张庆文 《中国铁路》 北大核心 2025年第5期96-104,共9页
针对隧道衬砌裂缝检测的复杂性、现有检测算法缺乏对裂缝特征考量的问题,提出YOLOv5-C检测模型。在训练阶段,采用细密度标注减少背景干扰提供更具代表性的学习样本;构建C3_DSC模块,动态调整卷积核以增强特征学习能力;引入Large Selectiv... 针对隧道衬砌裂缝检测的复杂性、现有检测算法缺乏对裂缝特征考量的问题,提出YOLOv5-C检测模型。在训练阶段,采用细密度标注减少背景干扰提供更具代表性的学习样本;构建C3_DSC模块,动态调整卷积核以增强特征学习能力;引入Large Selective Kernel (LSK)模块提升模型的裂缝特征的感知能力;使用Shape-IoU作为边界框回归损失函数,提高边界框回归精度,通过系统的消融和对比实验验证所提模型的性能。同时,开发安卓端应用,实现低成本、便捷的实时裂缝检测,为隧道工程的智能化检测提供新的方案。 展开更多
关键词 隧道衬砌裂缝 C3_DSC模块 lsk模块 Shape-IoU 智能化检测
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部