一种多尺度循环残差注意的单幅图像去雨方法

1

作者 刘邱铃 周刚 乔敏 《计算机应用与软件》 北大核心 2025年第2期236-240,279,共6页

目前基于卷积神经网络的去雨方法,存在雨纹残留、图像模糊等问题。为此提出一种基于多尺度特征提取和循环残差注意的单幅图像去雨方法。通过构建多尺度拉普拉斯金字塔得到多尺度特征图,再设计循环残差注意模块加强阶段间联系、提取深度... 目前基于卷积神经网络的去雨方法,存在雨纹残留、图像模糊等问题。为此提出一种基于多尺度特征提取和循环残差注意的单幅图像去雨方法。通过构建多尺度拉普拉斯金字塔得到多尺度特征图,再设计循环残差注意模块加强阶段间联系、提取深度特征、增强重要特征权重,更好地去除雨纹并保留了图像细节。实验结果表明,该方法的去雨效果优于其他去雨算法。 展开更多

关键词 卷积神经网络 单幅图像去雨 多层拉普拉斯金字塔 多尺度特征图 循环残差注意模块

在线阅读 下载PDF 职称材料

基于多尺度注意力UNet++的地震层位识别方法

2

作者 杨润湉 马强 +3 位作者 王志宝 李菲 吴钧 王如意 《石油物探》 北大核心 2025年第2期315-327,共13页

现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分... 现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分利用层位之间的空间位置关系及多尺度特征,使用MultiResBlock多尺度残差模块、CBAM注意力与UNet++,提出了基于多尺度注意力UNet++的层位识别方法 (MR_CBAM_UNet++)。该方法利用MultiResBlock提取更多层位尺度特征,采用CBAM注意力模块以减少非目标层的振幅信号干扰,利用Focal Loss与Dice Loss组成的联合损失函数对网络进行训练。最后,加入唯一性约束对模型识别结果优化得到层位识别结果。在实际地震数据上的评价结果显示,MR_CBAM_UNet++模型相比于传统模型,对非层位信息的抑制能力和复杂地势下层位的识别能力均有很大提升。在测试集上,层位识别结果的准确率达到了86.19%,有效缓解了层位解释连续性不强和错层等问题,唯一性约束也使层位识别结果更贴近实际。 展开更多

关键词 地震层位解释 UNet++ CBAM注意力模块 multiresblock多尺度残差模块 联合损失函数

在线阅读 下载PDF 职称材料

基于增强型多尺度残差生成对抗网络的图像压缩 被引量：1

3

作者 马婷 刘友鑫 +2 位作者 胡峰 聂伟 吴建芳 《计算机工程与设计》 北大核心 2024年第8期2415-2422,共8页

为解决低码率下更符合人类视觉感知的图像压缩,提出一种基于增强型多尺度残差生成对抗网络的有损压缩方法。在网络框架的自动编码器中,使用一种结构上改进的增强型多尺度残差块,其可以扩大感受野,更容易获得图像的全局信息。引入简易注... 为解决低码率下更符合人类视觉感知的图像压缩,提出一种基于增强型多尺度残差生成对抗网络的有损压缩方法。在网络框架的自动编码器中,使用一种结构上改进的增强型多尺度残差块,其可以扩大感受野,更容易获得图像的全局信息。引入简易注意力模块,帮助网络更加关注图像复杂的部分,减少简单部分的比特。判别器部分采用全新的相对平均判别器,在网络框架中使用LPIPS(learned perceptual image patch similarity)感知损失减轻图像伪影问题。采用两阶段训练的方式解决引入生成对抗网络导致训练不稳定的问题。实验结果表明了在低码率下所提模型的有效性,与之前的工作相比,所提方法在感知失真指标上表现更优,性能提升了65%左右,重建图像更符合人类视觉感知。 展开更多

关键词 低码率 图像压缩 生成对抗网络 多尺度残差块 注意力模块 相对平均判别器 感知损失

在线阅读 下载PDF 职称材料

尺度因子感知对比学习的无参考型超分辨图像质量评价

4

作者 樊丹丹 张凯兵 +1 位作者 权星 孟雅蕾 《西北大学学报(自然科学版)》 北大核心 2025年第2期309-319,共11页

超分辨图像的质量不仅受重建算法的影响,而且在不同的尺度因子下重建出的图像在质量退化等级方面存在一定差异。然而现有的无参考型超分辨图像质量评价方法主要关注超分辨率图像的视觉特征,忽略了可用的尺度因子信息。提出了一种尺度因... 超分辨图像的质量不仅受重建算法的影响,而且在不同的尺度因子下重建出的图像在质量退化等级方面存在一定差异。然而现有的无参考型超分辨图像质量评价方法主要关注超分辨率图像的视觉特征,忽略了可用的尺度因子信息。提出了一种尺度因子感知对比学习(upscaling-factor aware contrastive learning,UFACL)方法,该网络结构分为尺度因子识别分支和质量分数分支。其中尺度因子识别分支从数据集本身出发,将不同尺度因子的超分辨图像作为彼此的正负样本,在完成分类任务的同时引入对比学习,提高有效特征的表达能力。在质量分数分支设计了一个频域注意模块(frequency domain attention module,FDAM),考虑了全局信息和通道信息,同时,该分支使用倒残差块(inverted residuals blocks,IRB)降低模型的计算量,使得在训练过程中既保证了质量分数预测精度又提升了模型训练效率。实验结果表明,提出的UFACL能够获得与主观感知质量更好的一致性。 展开更多

关键词 超分辨图像质量评价 尺度因子 对比学习 频域注意模块 倒残差块

在线阅读 下载PDF 职称材料

基于递归图和增强残差网络的轴承故障诊断 被引量：3

5

作者 施保华 吴婷 赵子睿 《轴承》 北大核心 2024年第12期87-94,共8页

针对噪声干扰情况下轴承振动信号特征难以充分提取,故障识别精度低的问题,提出将递归图与增强深度残差网络相结合的RP-EResNet模型并应用于轴承故障诊断。将非线性的振动信号嵌入到具有可变时滞的延迟坐标空间中生成二维的递归图,并将压... 针对噪声干扰情况下轴承振动信号特征难以充分提取,故障识别精度低的问题,提出将递归图与增强深度残差网络相结合的RP-EResNet模型并应用于轴承故障诊断。将非线性的振动信号嵌入到具有可变时滞的延迟坐标空间中生成二维的递归图,并将压缩-激励模块、多尺度卷积、分组卷积网络模块融合到残差网络结构中得到增强的RP-EResNet模型,最终将递归图输入RP-EResNet模型中进行轴承故障诊断。使用不同的轴承数据集验证了RP-EResNet模型的性能,消融试验和对比试验的结果表明:与不同的深度学习方法相比,RP-EResNet模型能够在强噪声下增强特征提取能力,提升轴承故障的识别精度,具有良好的泛化性能和抗噪性能。 展开更多

关键词 滚动轴承 故障诊断 递归图 残差网络 压缩激励模块 多尺度卷积

在线阅读 下载PDF 职称材料

基于注意力机制的多尺度残差UNet实现乳腺癌灶分割 被引量：7

6

作者 罗圣钦 陈金怡 李洪均 《计算机应用》 CSCD 北大核心 2022年第3期818-824,共7页

针对乳腺癌灶在磁共振成像(MRI)中呈现大小形状不一、边界模糊等特点,为避免误分割并提高分割精度,提出一种基于注意力机制的多尺度残差UNet分割算法。首先,利用多尺度残差单元替换UNet在下采样过程中的相邻两个卷积块以加强对形态大小... 针对乳腺癌灶在磁共振成像(MRI)中呈现大小形状不一、边界模糊等特点,为避免误分割并提高分割精度,提出一种基于注意力机制的多尺度残差UNet分割算法。首先,利用多尺度残差单元替换UNet在下采样过程中的相邻两个卷积块以加强对形态大小差异的关注;接着,在上采样阶段使用跨层的注意力引导网络对重点区域的关注,避免造成对健康组织的误分割;最后,引入空洞空间金字塔池化作为分割网络的桥接模块以强化对病灶的表征能力。与UNet相比,所提算法在Dice系数、交并比(IoU)、特异度(SP)、准确度(ACC)等指标上分别提升了2.26、2.11、4.16、0.05个百分点。实验结果表明,所提算法能够提高癌灶分割精度,有效降低影像诊断的假阳性率。 展开更多

关键词 乳腺癌灶分割 多尺度残差 注意力机制 桥接模块 假阳性率

在线阅读 下载PDF 职称材料

II导联心电图中心肌梗死检测与定位:基于多尺度残差模块融合改进通道注意力模型

7

作者 吴秋岑 卢学麒 +3 位作者 温耀棋 洪永 吴煜良 陈超敏 《南方医科大学学报》 2025年第8期1777-1790,共14页

目的提高心肌梗死(MI)检测和定位准确性,为临床诊断提供辅助决策支持。方法本文提出了一种基于多尺度残差模块融合改进通道注意力模型(MSF-RB-MCA)。该模型利用II导联心电图(ECG)信号检测和定位MI,通过多尺度残差模块提取不同层次的特... 目的提高心肌梗死(MI)检测和定位准确性,为临床诊断提供辅助决策支持。方法本文提出了一种基于多尺度残差模块融合改进通道注意力模型(MSF-RB-MCA)。该模型利用II导联心电图(ECG)信号检测和定位MI,通过多尺度残差模块提取不同层次的特征信息,并引入改进通道注意力自动调整特征权重,增强模型对MI区域的关注能力,从而提高MI检测与定位的精度。结果使用公开的PTB数据集对提出的模型进行了5折交叉验证。在MI检测任务中,模型在测试集上的准确率、特异性、敏感度分别达到99.96%、99.84%和99.99%;在MI定位任务中,准确率、特异性、敏感度分别为99.81%、99.98%和99.65%。检测和定位结果均优于其他几种模型。结论本研究提出的MSF-RB-MCA模型在基于II导联ECG信号的MI检测与定位方面表现出色,展现出其在可穿戴设备领域中的广泛应用前景。 展开更多

关键词 心肌梗死 深度学习 多尺度 残差模块 改进通道注意力

在线阅读 下载PDF 职称材料

基于多尺度卷积与通道域增强的草莓病害识别方法 被引量：2

8

作者 黄铝文 郑梁 +2 位作者 黄煜 谦博 关非凡 《江苏农业科学》 北大核心 2023年第10期202-210,共9页

为提高草莓病害图像的分类准确性,提出一种基于通道域增强的深度超参数化金字塔卷积残差网络(CEM-DOPConv-ResNet18)。首先,针对草莓病害的多尺度特点,基于金字塔卷积与深度超参数化卷积提出深度超参数化金字塔卷积(DOPConv),在提取多... 为提高草莓病害图像的分类准确性,提出一种基于通道域增强的深度超参数化金字塔卷积残差网络(CEM-DOPConv-ResNet18)。首先,针对草莓病害的多尺度特点,基于金字塔卷积与深度超参数化卷积提出深度超参数化金字塔卷积(DOPConv),在提取多尺度病害特征的同时,缓解参数量增加导致的收敛干扰;其次,提出基于双重池化的通道增强模块,用以提高模型的特征选择能力,增强有用尺度下的特征;最后,将上述方法与ResNet18结合,将原本的3×3卷积替换为DOPConv,同时在残差块中加入通道增强模块,构建出草莓病害分类网络。为验证模型识别性能与模块有效性,在草莓病害图像数据集上进行对比试验和消融试验。对比试验结果表明,与原有ResNet18模型相比,CEM-DOPConv-ResNet18的准确率达97.867%,提高3.045百分点,同时内存占用量下降16.6%;消融试验结果表明,相较于原始金字塔卷积,DOPConv可以优化模型收敛,对通道增强模块具有更高的兼容度。该模型提高了草莓病害的分类准确率,降低了网络复杂度,为病害的精准识别提供了一种有效解决模型。 展开更多

关键词 草莓病害识别 多尺度卷积算子 特征增强 残差模块

在线阅读 下载PDF 职称材料

立井提升系统刚性罐道故障诊断方法

9

作者 王建风 靳远志 +2 位作者 张勇 王永振 和佳聪 《工矿自动化》 北大核心 2025年第6期113-121,共9页

刚性罐道是立井提升系统的关键部件,由于井筒形变、钢材锈蚀等原因易发生故障,影响罐笼正常运行。目前罐道故障诊断多采用振动检测法,诊断精度易受罐笼载荷、运行速度等工况影响。针对该问题,采用涡流传感器采集罐道故障信号,可使信号... 刚性罐道是立井提升系统的关键部件,由于井筒形变、钢材锈蚀等原因易发生故障,影响罐笼正常运行。目前罐道故障诊断多采用振动检测法,诊断精度易受罐笼载荷、运行速度等工况影响。针对该问题,采用涡流传感器采集罐道故障信号,可使信号特征不受罐笼运行环境影响。为提高罐道故障识别准确率,提出一种基于残差学习和注意力机制的一维卷积神经网络(RA1DCNN)。该网络通过多尺寸卷积并行运算提取多尺度特征,增强了对不同尺度信号特征的感知能力;引入通道注意力模块和空间注意力模块,并融合残差学习机制,设计了残差注意力模块,可同时获取通道和空间信息特征,提取到更具判别性的特征。搭建罐道故障实验平台模拟不同类别及不同严重程度的罐道故障,对RA1DCNN进行消融实验和对比实验,结果表明:RA1DCNN对罐道故障类别的识别准确率达100%,对间隙故障严重程度的平均识别准确率为99.7%,对错位故障严重程度的平均识别准确率为97.68%,验证了多尺度卷积层和残差注意力模块的有效性;整体故障识别准确率为98.05%,优于一维卷积神经网络等对比模型。 展开更多

关键词 立井提升系统 刚性罐道 罐道故障诊断 涡流检测 一维卷积神经网络 多尺度卷积 残差学习 注意力模块

在线阅读 下载PDF 职称材料

改进残差神经网络在遥感图像分类中的应用 被引量：12

10

作者 刘春容 宁芊 +1 位作者 雷印杰 陈炳才 《科学技术与工程》 北大核心 2021年第31期13421-13429,共9页

针对传统卷积神经网络随着深度加深而导致网络退化以及计算量大等问题,提出一种改进残差神经网络的遥感图像场景分类方法。该方法以残差网络ResNet50作为主框架,在残差结构中引入深度可分离卷积和分组卷积,减少了网络的参数量和计算量,... 针对传统卷积神经网络随着深度加深而导致网络退化以及计算量大等问题,提出一种改进残差神经网络的遥感图像场景分类方法。该方法以残差网络ResNet50作为主框架,在残差结构中引入深度可分离卷积和分组卷积,减少了网络的参数量和计算量,加快模型收敛的同时也提升了分类精度。此外在网络中嵌入多尺度squeeze and excitation block模块对通道特征进行重校准,提取出更加重要的特征信息,进一步提升了网络的分类性能。在航空图像数据集(aerial image dataset,AID)和UCMerced_Land Use两个公开数据集上的分类精度分别为91.92%和93.52%,相比常规残差网络分类精度分别提高了3.38%和10.24%,证明所提方法在遥感图像场景分类任务中的可行性和有效性。 展开更多

关键词 遥感图像 场景分类 残差神经网络 分组卷积 深度可分离卷积 多尺度缩聚与激发模块

在线阅读 下载PDF 职称材料

基于多尺度网络的运动模糊图像复原算法 被引量：7

11

作者 魏海云 郑茜颖 俞金玲 《计算机应用》 CSCD 北大核心 2022年第9期2838-2844,共7页

动态场景的非均匀盲去模糊一直是图像复原领域中的一个难题。针对目前的模糊图像复原算法不能很好地解决多样性模糊源的问题,提出了一种端到端的基于多尺度网络的运动模糊图像复原算法。所提算法使用修剪过的残差块作为基本单元,且在每... 动态场景的非均匀盲去模糊一直是图像复原领域中的一个难题。针对目前的模糊图像复原算法不能很好地解决多样性模糊源的问题,提出了一种端到端的基于多尺度网络的运动模糊图像复原算法。所提算法使用修剪过的残差块作为基本单元,且在每一级尺度上都采用相同的非对称编解码网络。为了更好地提取输入图像特征,在编码端使用引入注意力机制的残差模块,还加入了空间金字塔池化层。编码端和解码端中间的循环单元可以获取图像的空间信息,从而利用图像空间的连续性来进行非均匀运动模糊图像的复原。测试结果显示,在GoPro数据集上所提算法的峰值信噪比(PSNR)达到33.69 dB,结构相似性(SSIM)达到0.9537,且能够更好地复原模糊图像的细节信息,而在Blur数据集上所提算法的PSNR为31.47 dB,SSIM为0.9047。实验结果表明,与尺度递归网络和深度层次化多patch网络相比,所提算法取得了更优的模糊图像复原效果。 展开更多

关键词 非均匀盲去模糊 多尺度网络 注意力机制 残差模块 循环单元

在线阅读 下载PDF 职称材料

基于3D卷积残差网络的人体动作识别算法 被引量：5

12

作者 范银行 赵海峰 张少杰 《计算机应用研究》 CSCD 北大核心 2020年第S02期300-301,304,共3页

针对3D卷积神经网络在卷积过程中产生较大的参数量和计算量的问题,提出了一种结合3D卷积残差网络和轻量级多尺度卷积模块的人体动作识别算法。该轻量级多尺度卷积模块首先将中间特征图分割为若干子图;然后将每个子图经3D卷积后的特征图... 针对3D卷积神经网络在卷积过程中产生较大的参数量和计算量的问题,提出了一种结合3D卷积残差网络和轻量级多尺度卷积模块的人体动作识别算法。该轻量级多尺度卷积模块首先将中间特征图分割为若干子图;然后将每个子图经3D卷积后的特征图融合,提取目标的多尺度特征;再对多尺度特征图上的每个通道赋予不同权值;最后使用softmax分类器进行分类。在UCF-101数据集上的实验结果表明,相比较其他3D卷积神经网络算法,该算法不仅加快了模型收敛速度,而且进一步提高了动作识别率。 展开更多

关键词 人体动作识别 3D卷积残差网络 轻量级多尺度卷积模块 多尺度信息

在线阅读 下载PDF 职称材料

基于多尺度特征融合网络的云和云阴影检测试验 被引量：2

13

作者 杨昌军 张秀再 +2 位作者 张晨 冯绚 刘瑞霞 《大气科学》 CSCD 北大核心 2021年第6期1187-1195,共9页

基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络(Multi-scale Feature Fusion Networ... 基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络(Multi-scale Feature Fusion Network,MFFN)的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块(Res.block)、扩大网络感受野的多尺度卷积模块(MCM)和提取并融合不同尺度信息的多尺度特征模块(MFM)。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。 展开更多

关键词 云检测 云阴影检测 残差模块(Res.block) 多尺度卷积 多尺度特征模块

在线阅读 下载PDF 职称材料

融合残差和对抗网络的跨模态PET图像合成方法 被引量：6

14

作者 肖晨晨 陈乐庚 王书强 《计算机工程与应用》 CSCD 北大核心 2022年第1期218-223,共6页

针对现有跨模态图像合成方法不能很好地捕获人体组织的空间信息与结构信息,合成的图像具有边缘模糊、信噪比低等问题,提出一种融合残差模块和生成对抗网络的跨模态PET图像合成方法。该算法在生成器网络中引入改进的残差初始模块和注意... 针对现有跨模态图像合成方法不能很好地捕获人体组织的空间信息与结构信息,合成的图像具有边缘模糊、信噪比低等问题,提出一种融合残差模块和生成对抗网络的跨模态PET图像合成方法。该算法在生成器网络中引入改进的残差初始模块和注意力机制,减少参数量的同时增强了生成器的特征学习能力。判别器采用多尺度判别器,以提升判别性能。损失函数中引入多层级结构相似损失,以更好地保留图像的对比度信息。该算法在ADNI数据集上与主流算法进行对比,实验结果表明,合成PET图像的MAE指标有所下降,SSIM与PSNR指标有所提升。实验结果显示,提出的模型能很好地保留图像的结构信息,在视觉和客观指标上都能提高合成图像的质量。 展开更多

关键词 跨模态图像合成 生成对抗网络 残差初始模块 多尺度判别器

在线阅读 下载PDF 职称材料

多级自适应尺度的U型视网膜血管分割算法 被引量：4

15

作者 梁礼明 詹涛 +2 位作者 雷坤 冯骏 谭卢敏 《电子测量技术》 北大核心 2022年第13期130-140,共11页

针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特... 针对视网膜血管细小和尺度变化复杂的特点,提出一种多级自适应尺度的U型视网膜血管分割算法。首先以编码-解码结构为基础引入残差模块,加强通道特征传播能力。其次在网络底部嵌入多尺度特征提取模块,旨在调整感受野有效地提取多尺度特征。同时在跳跃连接部分增加改进的自适应特征融合模块,促进相邻层次特征之间的有效融合,以提取更多的细小血管特征。最后在解码部分设置侧输出的多级注意结构对多层次特征进行自适应细化。实验结果表明,该算法在DRIVE、STARE和CHASEDB1数据集上准确率分别达到0.9645、0.9694和0.9671,灵敏度分别达到0.8417、0.8465和0.8545,AUC分别达到0.9866、0.9908和0.9877,整体性优于现有算法。 展开更多

关键词 视网膜血管分割 U型网络 残差模块 多尺度特征提取 自适应特征融合 多级注意

在线阅读 下载PDF 职称材料

用于人体动作识别的多尺度时空图卷积算法 被引量：9

16

作者 赵登阁 智敏 《计算机科学与探索》 CSCD 北大核心 2023年第3期719-732,共14页

基于骨骼数据的时空图卷积人体动作识别网络(ST-GCN)存在时间卷积层结构单一、固定的问题,难以全面提取每个动作类别所需的全部重要阶段特征。针对这一问题,提出了包含多个不同尺度卷积核和多种结构的时间图卷积层,构造了多尺度时空图... 基于骨骼数据的时空图卷积人体动作识别网络(ST-GCN)存在时间卷积层结构单一、固定的问题,难以全面提取每个动作类别所需的全部重要阶段特征。针对这一问题,提出了包含多个不同尺度卷积核和多种结构的时间图卷积层,构造了多尺度时空图卷积网络(SMT-GCN),利用不同的时间图卷积操作抽取并融合不同尺度的时间轨迹特征。同时,为了强化人体长距离关联信息和空间结构化特征,在SMT-GCN中融合了构造的变换残差模块(Tran-Res)和轻量级注意力模块(CBAM),构造了多尺度时空图注意卷积网络(SAMTGCN)。实验在NTU RGB+D数据集和HDM05数据集上进行,提出的SMT-GCN和SAMT-GCN均获得了识别精度的提升;另外,设计的多尺度时间图卷积模块可以融合于其他基线网络中并提高性能。为探究卷积核尺度及结构对算法的影响,设计了相应消融实验,实验结果表明卷积核大小为1、5、9的SAMT-GCN性能最优,并且具有稠密结构的网络识别精度要高于具有串行和并行结构的网络。 展开更多

关键词 人体动作识别 时空图卷积网络(ST-GCN) 多尺度时间图卷积 变换残差模块(Tran-Res) 轻量级注意力

在线阅读 下载PDF 职称材料

平衡多尺度注意力网络的视网膜血管分割算法 被引量：2

17

作者 梁礼明 余洁 +2 位作者 陈鑫 周珑颂 冯新刚 《计算机工程与设计》 北大核心 2023年第2期480-487,共8页

针对现有算法对微血管分割精度低、难以区分病灶区域等问题,提出一种平衡多尺度注意力网络用于分割视网膜血管。在编码阶段引入多尺度特征提取模块,提升感受野减少血管细节特征损失;在编码和解码器间增加细节增强模块,突出目标区域提高... 针对现有算法对微血管分割精度低、难以区分病灶区域等问题,提出一种平衡多尺度注意力网络用于分割视网膜血管。在编码阶段引入多尺度特征提取模块,提升感受野减少血管细节特征损失;在编码和解码器间增加细节增强模块,突出目标区域提高信息敏感度;设计平衡尺度注意力模块调节细节和语义特征进行最终预测,减少伪影现象。实验结果表明,在DRIVE数据集上分割准确率为96.42%、灵敏度为83.17%、特异性为98.27%,优于现有其它算法。 展开更多

关键词 图像处理 血管分割 空洞卷积 多尺度特征融合 校准残差模块 细节增强模块 注意力机制

在线阅读 下载PDF 职称材料

多尺度沙漏结构的单幅图像去雨算法研究 被引量：2

18

作者 马婧婧 黄煜峰 陈翔 《小型微型计算机系统》 CSCD 北大核心 2021年第3期561-565,共5页

雨天环境会造成图像模糊、变形,大幅降低图像质量,对于后续的图像分析和应用造成严重影响.单幅图像的去雨算法研究成为热点,然而现有算法存在过度平滑、颜色失真和复杂雨水图像复原能力差等诸多问题,去雨问题难以有效解决.本文提出一种... 雨天环境会造成图像模糊、变形,大幅降低图像质量,对于后续的图像分析和应用造成严重影响.单幅图像的去雨算法研究成为热点,然而现有算法存在过度平滑、颜色失真和复杂雨水图像复原能力差等诸多问题,去雨问题难以有效解决.本文提出一种新颖的多尺度沙漏结构的单幅图像去雨算法.首先,针对雨的特征复杂多样的特点,采用多尺度沙漏网络结构,提取并融合多尺度的雨线特征;其次,在沙漏网络内部,引入残差密集模块,使特征在不同级别网络中实现传递和复用,最大限度的提取细节特征和增强网络表达能力;最后,针对雨水不均匀分布的特点,在残差密集网络基础上加入注意模块,提高算法在空间和通道方面特征提取能力,能够处理复杂的雨天图像.实验结果表明,本方法相较于现有算法,能够更好的去除雨线,并且能够最大程度的保留图像细节和颜色信息. 展开更多

关键词 单幅图像去雨 多尺度沙漏网络 残差密集模块 注意力机制

在线阅读 下载PDF 职称材料

基于全尺度特征融合的自监督单目深度估计

19

作者 王聪 陈莹 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第5期667-675,共9页

针对自监督单目深度估计生成的深度图边界模糊、伪影过多等问题,提出基于全尺度特征融合模块(FSFFM)和链式残差池化模块(CRPM)的深度网络编解码结构.在解码时,将编码器得到的高分辨率和相同分辨率特征与之前解码器得到的低分辨率特征以... 针对自监督单目深度估计生成的深度图边界模糊、伪影过多等问题,提出基于全尺度特征融合模块(FSFFM)和链式残差池化模块(CRPM)的深度网络编解码结构.在解码时,将编码器得到的高分辨率和相同分辨率特征与之前解码器得到的低分辨率特征以及上一级逆深度图进行融合,使网络学习到的特征既包含全局信息又包含局部信息.使用CRPM从融合特征中获取背景上下文信息,最终得到更精确的深度图.在KITTI数据集上进行了实验,与之前工作相比,该方法深度值绝对误差降低了7.8%,阈值为1.25的精确度提高了1.1%,其结果优于现有大多数自监督单目深度估计算法. 展开更多

关键词 深度估计 自监督 全尺度特征融合模块 链式残差池化模块

在线阅读 下载PDF 职称材料

融合局部和全局特征的息肉分割模型 被引量：1

20

作者 张攀峰 杨贺 +2 位作者 神显豪 程小辉 杜慧 《电子测量技术》 北大核心 2024年第16期100-109,共10页

针对现有模型在息肉分割中存在复杂区域分割困难、边缘细节信息丢失、泛化能力不足等问题,提出一种融合局部和全局特征的息肉分割模型。以卷积神经网络和Transformer作为并行编码器,使模型可以兼顾多种尺度的局部细节特征和全局语义特征... 针对现有模型在息肉分割中存在复杂区域分割困难、边缘细节信息丢失、泛化能力不足等问题,提出一种融合局部和全局特征的息肉分割模型。以卷积神经网络和Transformer作为并行编码器,使模型可以兼顾多种尺度的局部细节特征和全局语义特征;在跳跃连接处构建注意力增强模块和多尺度残差模块,前者强化模型对重要信息的关注度,后者高效探索目标区域并准确预测其边界,同时促进不同层次特征之间的交互;在解码阶段采用基于残差的逐步上采样特征融合方式汇聚各阶段特征,进一步增强模型的感知能力,丰富息肉特征;最后使用高效预测头促进浅层特征的融合,输出分割结果。该模型在多个对比实验中表现最优,同次优模型相比,在Kvasir、CVC-ClinicDB数据集上,mDice平均提升了1.21%;mIoU平均提升了1.82%;在CVC-ColonDB、ETIS数据集上,mDice平均提升了2.67%,mIoU平均提升了2.83%。实验结果表明,相比于现有主流模型,该模型具有较优的分割精度和泛化性能。 展开更多

关键词 息肉分割 TRANSFORMER 卷积神经网络 注意力增强模块 多尺度残差模块 特征融合

在线阅读 下载PDF 职称材料