基于多尺度注意力UNet++的地震层位识别方法 被引量：1

1

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

用于环形伪影去除的非线性无激活卷积去噪网络

2

作者 唐瑶瑶 朱叶晨 +1 位作者 刘仰川 高欣 《计算机应用》 北大核心 2025年第S1期67-71,共5页

环形伪影通常由探测器像素非均匀响应导致,在计算机断层扫描(CT)图像中呈现为同心多层圆环。该伪影会导致CT图像清晰度和CT值准确性的下降,进而影响医生对病灶的诊断。为此,提出一种用于CT图像环形伪影去除的非线性无激活卷积去噪网络(N... 环形伪影通常由探测器像素非均匀响应导致,在计算机断层扫描(CT)图像中呈现为同心多层圆环。该伪影会导致CT图像清晰度和CT值准确性的下降,进而影响医生对病灶的诊断。为此,提出一种用于CT图像环形伪影去除的非线性无激活卷积去噪网络(NAF-CDNet)。所提网络通过在一种U型网络中引入非线性无激活(NAF)网络模块和联合损失函数减少计算量,同时保持图像结构和灰度。为训练和测试所提网络,利用螺旋CT图像制作仿真数据,并利用锥束CT采集真实数据。在仿真数据测试中,相较于UNet,NAF-CDNet的峰值信噪比(PSNR)和结构相似性(SSIM)分别提升了0.377 7 dB、0.015 5,均方根误差(RMSE)和平均绝对误差(MAE)分别下降了3.092 6、3.229 2,参数量和计算量分别减少了30.8×10^(6)、2.29×10^(9)浮点运算次数(FLOPs)。在真实数据测试中,相较于2个传统算法和5个深度学习网络,NAF-CDNet的主观评价更好。这些结果表明,所提网络在环形伪影去除方面表现优异,具备潜在应用价值。 展开更多

关键词 计算机断层扫描图像 环形伪影去除 深度学习 非线性无激活 联合损失函数

在线阅读 下载PDF 职称材料

基于联合损失函数和组合对比学习的语义嵌入方法

3

作者 高晓欣 陆谣 +3 位作者 孔祥茂 刘玉玺 邓伟 杨淞皓 《电信科学》 北大核心 2025年第7期96-107,共12页

对比学习在语义嵌入中表现出色,能够通过捕捉数据样本间的关系提升模型的表示能力。然而,其效果主要受正样本构建和目标函数选择的影响。正样本需要精心设计,以确保模型能有效识别有意义的相似性并减少噪声干扰。为此,提出一种新方法,... 对比学习在语义嵌入中表现出色,能够通过捕捉数据样本间的关系提升模型的表示能力。然而,其效果主要受正样本构建和目标函数选择的影响。正样本需要精心设计,以确保模型能有效识别有意义的相似性并减少噪声干扰。为此,提出一种新方法,通过拆分、编码、聚合和投射文本来构建正样本。文本被分解为片段,编码用于提取语义内容,聚合用于突出关系,最终投射到适合学习的语义空间。此外,设计了两种监督损失函数,与标准对比损失相辅相成,以增强语义空间的区分性,从而提升模型辨别能力。实验结果表明,该方法在2个公开数据集和1个私有数据集上表现出色,显著提升了语义嵌入质量,解决了对比学习的核心挑战,并为其在自然语言处理领域的进一步应用奠定了基础。 展开更多

关键词 对比学习 句子嵌入 语义相似度 文本分类 联合损失函数

在线阅读 下载PDF 职称材料

基于自适应卷积与联合损失函数的人脸图像超分辨率重建

4

作者 李培育 张雅丽 +1 位作者 张奕博 赵益辰 《科学技术与工程》 北大核心 2025年第6期2442-2452,共11页

针对当前人脸图像超分辨率重建算法模型卷积单一、感受野不足、单判别网络反馈信息不精确等问题,设计了一种基于自适应卷积与联合损失函数的算法。模型使用生成对抗网络架构,生成器方面,使用自适应卷积构造双路残差块并进一步组成高效... 针对当前人脸图像超分辨率重建算法模型卷积单一、感受野不足、单判别网络反馈信息不精确等问题,设计了一种基于自适应卷积与联合损失函数的算法。模型使用生成对抗网络架构,生成器方面,使用自适应卷积构造双路残差块并进一步组成高效的残差组,能自主学习在不同感受野下提取到的特征权重并补充单一支路遗漏的信息。判别器方面使用Vgg与U-net架构网络作为双判别网络,并使用双判别结果计算对抗损失,该损失与内容损失、感知损失组成联合损失函数。在celeba数据集上的实验表明,该算法与RWSA算法相比峰值信噪比(peak signal noise ratio,PSNR)值提高1.166 dB,结构相似度(structure similarity,SSIM)值提高0.037,学习感知图像块相似度(learned perceptual image patch similarity,LPIPS)值优化0.033,感知因子(perceptual index,PI)指标优化0.119,与其他多种主流算法相比在图像细节清晰度方面具有优势。 展开更多

关键词 超分辨率重建 自适应卷积 联合损失函数 生成对抗网络 卷积神经网络

在线阅读 下载PDF 职称材料

基于注意力循环神经网络的联合深度推荐模型 被引量：1

5

作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页

为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多

关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型

在线阅读 下载PDF 职称材料

基于多分支残差注意力网络的水下图像增强

6

作者 程竹明 李佳轩 +2 位作者 黄三傲 韩立超 王培珍 《光学精密工程》 北大核心 2025年第7期1141-1151,共11页

针对水下图像存在的颜色失真、对比度低、细节模糊等问题,提出一种基于多分支残差注意力网络的水下图像增强算法。该网络在编码器和解码器的前后分别引入多分支色彩增强模块,用来自适应校正图像的颜色偏差,在网络颈部设计了残差注意力模... 针对水下图像存在的颜色失真、对比度低、细节模糊等问题,提出一种基于多分支残差注意力网络的水下图像增强算法。该网络在编码器和解码器的前后分别引入多分支色彩增强模块,用来自适应校正图像的颜色偏差,在网络颈部设计了残差注意力模块,以减少编码器和解码器之间的特征丢失,从而增强图像细节;最后,构造了联合特征损失函数,确保网络能够学习到图像的丰富特征,在改善图像色彩的同时可以有效保留边缘信息。分别利用LUSI和EVUP两种测试集与6种先进方法进行了对比,实验结果表明:通过本文算法增强后的图像在主观感受和客观评价上均取得了最优指标,在LUSI测试集上,平均峰值信噪比(PSNR)和结构相似度(SSIM)分别达到27.420 dB,0.885,与次优方法相比提高了3.9%和0.8%;在EVUP测试集上,PSNR和SSIM分别达到26.159 dB和0.851,与次优方法相比提高了3.3%和1.3%。该算法具有良好的图像质量增强效果与稳定性,可以为水下工程中的图像分析提供一种有效的方法。 展开更多

关键词 水下图像增强 深度学习 残差注意力模块 多分支色彩增强模块 注意力机制 联合损失函数

在线阅读 下载PDF 职称材料

基于场景流的可变速率动态点云压缩 被引量：1

7

作者 江照意 邹文钦 +2 位作者 郑晟豪 宋超 杨柏林 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第2期279-287,333,共10页

针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进... 针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进行评估和缩放,实现可变速率控制.通过综合考虑运动向量损失和率失真损失,设计新的联合训练损失函数,用来端到端地训练整个网络框架.为了解决动态点云数据集缺少真实运动信息标签的问题,基于AMASS数据集制作带有运动向量标签的人体数据集,用于网络的训练.实验结果显示,与现有的基于深度学习动态点云压缩方法相比,该方法的压缩比特率下降了几个数量级,与静态压缩网络单独处理每帧的重构效果相比,该方法有5%~10%的提升. 展开更多

关键词 动态点云压缩 可变速率 联合损失函数 场景流网络

在线阅读 下载PDF 职称材料

基于CBAM和原型网络的小样本恶意软件分类模型 被引量：1

8

作者 周景贤 崔海彬 李志平 《计算机工程与设计》 北大核心 2024年第7期1941-1947,共7页

为解决小样本条件下恶意软件分类准确率低的问题,提出一种基于CBAM(convolutional block attention module)和原型网络的恶意软件分类模型。利用图像转换算法将恶意软件可执行文件转换为灰度图像;将残差连接和CBAM引入模型的特征嵌入模... 为解决小样本条件下恶意软件分类准确率低的问题,提出一种基于CBAM(convolutional block attention module)和原型网络的恶意软件分类模型。利用图像转换算法将恶意软件可执行文件转换为灰度图像;将残差连接和CBAM引入模型的特征嵌入模块,从通道和空间两个维度上增强关键特征表达,使得到的特征更具分辨性;提出联合损失函数,在距离交叉熵损失的基础上加入原型损失,通过减小类内距离的方式进一步扩增类间距离,使模型在样本数量有限的情况下取得良好的分类效果。实验结果表明,在每类恶意软件仅有5个样本的情况下,模型的分类准确率仍可达到83.12%。 展开更多

关键词 恶意软件分类 灰度图 小样本学习 卷积神经网络 注意力机制 原型网络 联合损失函数

在线阅读 下载PDF 职称材料

面向病理图像分割的边缘感知网络 被引量：1

9

作者 黄鸿 杨沂川 +2 位作者 王龙 郑福建 吴剑 《光子学报》 EI CAS CSCD 北大核心 2024年第1期78-90,共13页

提出了一种针对病理切片图像的端到端语义分割方法--边缘感知网络(BPNet),以提高病理图像分割精度。BPNet网络首先在解码器阶段增加边缘感知模块,改善网络对于病理图像边缘的特征信息提取能力。然后,采用自适应通道注意力模块弥补不同... 提出了一种针对病理切片图像的端到端语义分割方法--边缘感知网络(BPNet),以提高病理图像分割精度。BPNet网络首先在解码器阶段增加边缘感知模块,改善网络对于病理图像边缘的特征信息提取能力。然后,采用自适应通道注意力模块弥补不同层次特征间的语义差距,进一步加强网络的特征聚合能力。在此基础上,设计了一种基于结构和边缘的联合损失函数,以实现最佳的病理图像分割结果。在GlaS和MoNuSeg两个公开病理数据集上的分割实验结果表明,所提方法的Dice系数得分在两个数据集上分别达到92.21%和81.18%,有效提升了病理图像的分割精度。 展开更多

关键词 病理图像 自动分割 深度学习 边缘增强 联合损失函数

在线阅读 下载PDF 职称材料

基于联合深度统计特征对齐的鱼类目标识别方法 被引量：1

10

作者 王海燕 杜菲瑀 +1 位作者 姚海洋 陈晓 《陕西科技大学学报》 北大核心 2024年第3期182-187,196,共7页

水下鱼类目标识别技术是认识海洋、经略海洋、向海图强的重要技术之一.基于深度学习的水下目标识别技术已成为研究热点,但是针对水下鱼类数据小样本甚至零样本识别性能亟待提高.本文基于迁移学习,提出了联合深度统计特征对齐(Joint Deep... 水下鱼类目标识别技术是认识海洋、经略海洋、向海图强的重要技术之一.基于深度学习的水下目标识别技术已成为研究热点,但是针对水下鱼类数据小样本甚至零样本识别性能亟待提高.本文基于迁移学习,提出了联合深度统计特征对齐(Joint Deep Statistical Feature Alignment, JDSFA)方法,解决小样本下的鱼类目标识别问题.以ResNet-50作为骨干网络,将均方和协方差纳入权重选择算法用来构建自适应损失函数,对齐源域和目标域之间的特征分布,联合源域损失与领域间的自适应损失,设计全局损失函数,建立深度学习识别模型,实现鱼类目标识别任务.利用公开的水下鱼类数据集QUT进行实验验证,相比目前代表性的DADAN、PMTrans、DSAN方法,JDSFA方法的鱼类识别性能分别提升了3.59%、4.96%、5.91%,结果表明了本文JDSFA方法的有效性,并对鱼类目标识别具有良好的应用价值. 展开更多

关键词 鱼类识别 迁移学习 联合深度统计特征对齐 损失函数

在线阅读 下载PDF 职称材料

融合动态场景感知和注意力机制的声学回声消除算法

11

作者 许春冬 黄乔月 +1 位作者 王磊 徐锦武 《信号处理》 CSCD 北大核心 2024年第2期396-405,共10页

在实时语音频通话系统中,如何去除声学回声得到清晰语音是目前最受关注的难题之一。声学回声消除(Acoustic echo cancellation,AEC)技术旨在消除语音频通话系统中的声学回声,提高通话过程中的语音质量,给予用户良好的通话体验,但是传统... 在实时语音频通话系统中,如何去除声学回声得到清晰语音是目前最受关注的难题之一。声学回声消除(Acoustic echo cancellation,AEC)技术旨在消除语音频通话系统中的声学回声,提高通话过程中的语音质量,给予用户良好的通话体验,但是传统回声消除系统存在去回声效果不明显、存在非线性回声残留以及无法实时处理回声等问题。因此,为解决上述存在问题,提出了一种动态场景感知模块(Dynamic scene perception module,DSPM)和全局注意力机制(Global attention mechanism,GAM)相结合的声学回声消除算法。该算法以卷积循环网络(Convolutional recurrent network,CRN)作为基线模型,提取语音信号的序列特征;首先,在其编码器中引入DSPM模块替换原因果卷积,根据场景动态分配卷积内核数量,加强模型的自适应性;其次,在编码器最后两层中分别引入GAM模块,放大空间通道间关系以及统筹全局交互,提升对语音信号特征的提取能力以及消除回声的性能;最后,通过将MSE损失函数和HuberLoss损失函数线性相加生成一种新的损失函数——MSE-HuberLoss,进一步提高模型的鲁棒性。实验结果表明,提出的GAM-DSPM-CRN模型的回声消除性能优秀,且获得较基线模型更加清晰的重构语音信号;在双端通话环境下,提出的GAM-DSPM-CRN模型声学回声消除算法较其他对比算法性能有较大提升;在Microsoft AEC Challenges数据集上,MOS、ERLE和STOI的得分分别达到了4.09、57.43和0.78。 展开更多

关键词 声学回声消除 动态场景感知模块 全局注意力机制 卷积循环网络 联合损失函数

在线阅读 下载PDF 职称材料

面向三维模型草图检索的三元层次度量网络 被引量：1

12

作者 杨瞻源 白静 +2 位作者 李文静 彭斌 拖继文 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第11期1791-1804,共14页

针对基于草图的三维模型检索仍然存在将草图视作普通图像忽略其特有的稀疏性,以及对草图和三维模型的类内差异性重视不足,从而影响检索性能的问题,提出一种面向三维模型草图检索的三元层次度量网络.首先引入笔画点序列分支构建三元组网... 针对基于草图的三维模型检索仍然存在将草图视作普通图像忽略其特有的稀疏性,以及对草图和三维模型的类内差异性重视不足,从而影响检索性能的问题,提出一种面向三维模型草图检索的三元层次度量网络.首先引入笔画点序列分支构建三元组网络结构,实现对草图数据的信息增强;然后通过多层次联合损失对网络进行域内域间跨域的全面约束,使得网络学习到同时体现数据的单域类内差异和域间关系的表示特征,有效地提升网络的检索性能.实验结果表明,在2个公开数据集SHREC2013和SHREC2014上,所提网络的平均检索精度均值分别为87.7%和83.3%,比先进工作(相同基础网络)分别提升0.5个百分点和1.5个百分点以上. 展开更多

关键词 基于草图的三维模型检索 三元网络结构 多层次联合损失 语义嵌入 跨模态检索

在线阅读 下载PDF 职称材料

MF-TLID:一种多特征融合输电线覆冰图像去噪方法 被引量：1

13

作者 张宇 窦银科 +2 位作者 赵亮亮 焦阳阳 郭栋梁 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第10期147-155,共9页

针对基于图像对线缆覆冰状态进行监测过程中图像存在噪声的问题,提出了一种多特征融合输电线覆冰图像去噪方法。该方法采用残差注意力融合模块、源特征融合模块和特征增强模块。在残差注意力融合模块中采用级联残差结构和混合注意力模块... 针对基于图像对线缆覆冰状态进行监测过程中图像存在噪声的问题,提出了一种多特征融合输电线覆冰图像去噪方法。该方法采用残差注意力融合模块、源特征融合模块和特征增强模块。在残差注意力融合模块中采用级联残差结构和混合注意力模块,既有助于特征信息映射,又能增强特征信息表达;在网络不同特征层中融合源特征,保留图像的低频信息,有利于提升图像的清晰度和真实感;在特征增强模块中同时结合局部和全局特征,通过特征注意力加权学习有效特征向量表示,提高模型去噪能力;创新性地提出像素损失和感知损失的联合损失函数,同时考虑像素级别的误差和感知质量的提升。在输电线覆冰数据集上高斯噪声标准差分别为10~40、20~50和30~60,PSNR和SSIM分别达到了{31.015 dB、29.262 dB、27.717 dB}和{0.956、0.943、0.930}。结果表明,该算法的性能优于主流去噪方法,具有更强的抑噪能力和抗干扰性。 展开更多

关键词 输电线覆冰 图像去噪 特征融合 注意力机制 联合损失函数

在线阅读 下载PDF 职称材料

结合稠密小波变换的双分支低照度图像增强 被引量：2

14

作者 陈俊杰 周永霞 +2 位作者 祖佳贞 盛威 赵平 《计算机工程与应用》 CSCD 北大核心 2024年第4期200-210,共11页

针对低照度图像存在低亮度、高噪声、色彩失真等问题,提出了一种结合稠密小波变换的双分支低照度图像增强方法。采用稠密小波网络进行多尺度特征信息融合,在减少信息丢失的同时使网络具有一定的去噪能力。在多尺度特征融合中嵌入全局注... 针对低照度图像存在低亮度、高噪声、色彩失真等问题,提出了一种结合稠密小波变换的双分支低照度图像增强方法。采用稠密小波网络进行多尺度特征信息融合,在减少信息丢失的同时使网络具有一定的去噪能力。在多尺度特征融合中嵌入全局注意力模块和特征提取模块,充分提取全局和局部特征。通过双分支结构对图像进行色彩增强和细节重建,使得低照度图像具有较好的增强效果。引入了新的联合损失函数从多方面指导网络训练,以增强网络性能。将所提方法与主流方法相比较,实验结果充分表明,所提方法有效提高了低照度图像的亮度,抑制了图像噪声,并取得了更丰富的细节和色彩信息,得到的增强图像更清晰自然,在峰值信噪比和结构相似度等图像质量客观评价指标方面也具有显著的优势。 展开更多

关键词 稠密小波变换 低照度 图像增强 双分支 联合损失函数

在线阅读 下载PDF 职称材料

跨级特征自适应融合的暗光图像增强算法 被引量：2

15

作者 梁礼明 朱晨锟 +1 位作者 阳渊 李仁杰 《液晶与显示》 CAS CSCD 北大核心 2024年第6期856-866,共11页

针对低照度环境下采集的图像存在亮度低、对比度低和视觉效果不佳等问题,提出一种跨级特征自适应融合的低照度图像增强算法。该算法首先结合分级采样和广域卷积搭建网络前端,生成大面积感受野的多尺度特征,使浅层信息被充分挖掘。其次... 针对低照度环境下采集的图像存在亮度低、对比度低和视觉效果不佳等问题,提出一种跨级特征自适应融合的低照度图像增强算法。该算法首先结合分级采样和广域卷积搭建网络前端,生成大面积感受野的多尺度特征,使浅层信息被充分挖掘。其次引入多头转置注意力模块嵌于网络中部,计算通道间的互协方差以生成注意力映射,隐式地建立全局上下文信息关联。然后构建联合损失函数修正模型收敛方向,辅助模型从对比度和结构等方面进行优化,提高算法的鲁棒性。最后在LOL和LOLv2数据集上进行实验验证,实验结果表明,所提算法在峰值信噪比(PSNR)和结构相似性(SSIM)等客观指标上整体优于大部分先进算法,主观上图像亮度自然,噪声和伪影得到有效抑制。 展开更多

关键词 低照度图像 广域卷积 多尺度 多头转置注意力 联合损失函数

在线阅读 下载PDF 职称材料

基于多粒度特征增强网络的交通文本检测方法

16

作者 朱彦斌 王润民 +3 位作者 陈华 曹小菲 朱祯琳 丁亚军 《计算机工程》 CAS CSCD 北大核心 2024年第11期80-88,共9页

深度学习极大地推动了自然场景文本检测和识别领域的发展,然而,对行车环境中的交通文本检测研究相对匮乏。为此,提出一种新颖的端到端文本检测框架,实现对车载摄像头捕获到的交通文本检测。设计多粒度文本特征增强模块(MTFEM),通过无缝... 深度学习极大地推动了自然场景文本检测和识别领域的发展,然而,对行车环境中的交通文本检测研究相对匮乏。为此,提出一种新颖的端到端文本检测框架,实现对车载摄像头捕获到的交通文本检测。设计多粒度文本特征增强模块(MTFEM),通过无缝集成交通文本的粗粒度特征和细粒度特征,进行全面理解和分析,以提高对交通文本的特征表达能力。此外,为了优化网络学习,保持模型训练的稳定性,避免像素预测误差所导致梯度急剧变化,设计一种新颖的联合损失函数。实验结果表明,该方法在交通文本数据集CTST-1600和TPD上的F1值分别达到了93.7%和94.1%,与主流方法相比具有更高的检测结果。为了进一步验证所提方法的适应性,在多方向自然场景文本数据集ICDAR 2015和多语言文本数据集MSRA-TD500上的F1值分别取得了87.7%和87.0%,具有较强的鲁棒性。 展开更多

关键词 卷积神经网络 文本检测 智慧交通 多粒度特征增强 联合损失函数

在线阅读 下载PDF 职称材料

基于对比学习的非对称编解码结构的心脏MRI分割研究

17

作者 高爽 史轶伦 +1 位作者 徐巧枝 于磊 《计算机工程》 CAS CSCD 北大核心 2024年第8期290-300,共11页

全监督方法在心脏磁共振成像(MRI)分割任务中的成功依赖于大规模标记数据集,然而由于患者隐私及人工标注困难等问题,心脏MRI标注数据规模较小,使全监督方法面临挑战。基于半监督的对比学习方法,设计双分支编码与单分支解码的心脏MRI分... 全监督方法在心脏磁共振成像(MRI)分割任务中的成功依赖于大规模标记数据集,然而由于患者隐私及人工标注困难等问题,心脏MRI标注数据规模较小,使全监督方法面临挑战。基于半监督的对比学习方法,设计双分支编码与单分支解码的心脏MRI分割网络CPCL-Net,引入图像和像素的联合对比损失,提升了模型对数据样本的特征表达能力。为了增强CPCL-Net对Hard负样本的分割精度,设计动态自适应加权模块(DAWM),利用生成的α和β权重因子评估样本级别和像素级别的训练贡献度,使模型分割精度得到大幅提升。基于自动心脏诊断挑战赛(ACDC)数据集的实验结果表明,该网络模型仅利用少量标注样本即可获得较高的分割精度,缓解了心脏MRI高质量标注样本不足导致的分割精度低下问题,并且在标注样本规模相同的情况下,对心脏左心室、右心室、心肌等部位的分割精度分别为86.17%、85.52%、84.55%,优于现有的4种典型半监督分割模型以及经典的对比学习框架Sim-CLR,有效缓解了全监督分割模型对样本规模的依赖及过拟合问题。 展开更多

关键词 对比学习 动态自适应加权 医学图像分割 心脏磁共振成像 联合损失函数

在线阅读 下载PDF 职称材料

基于多路卷积神经网络的大田小麦赤霉病图像识别 被引量：35

18

作者 鲍文霞 孙庆 +3 位作者 胡根生 黄林生 梁栋 赵健 《农业工程学报》 EI CAS CSCD 北大核心 2020年第11期174-181,共8页

为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像... 为了准确地识别小麦病害,及时采取防治措施,减少农药施用的成本,同时减少农业生态环境的污染,该研究以灌浆期感染赤霉病的小麦麦穗图像为研究对象,根据病变区域与健康区域的颜色分布特点,设计了一种多路卷积神经网络用于小麦赤霉病图像的识别。首先利用深度语义分割网络U-Net对大田环境下的小麦图像进行分割,去除小麦叶片及其他无关背景的影响,从而分割出麦穗图像。然后设计结构较为简单的多路卷积神经网络分别提取麦穗图像R、G、B 3个通道的特征,通过特征融合获得具有高辨识性的麦穗图像语义特征。最后,为了增大赤霉病和健康麦穗图像特征之间的可区分性,同时减小赤霉病麦穗图像类内特征的差异,采用联合损失函数进一步改善网络的性能。该研究对采集的大田环境下的510幅灌浆期小麦群体图像进行分割,选取2745幅完整单株麦穗图像利用所设计的多路卷积神经网络进行赤霉病识别试验,结果表明该研究所提算法对单株麦穗赤霉病识别精度达到100%,能够为小麦病害的智能识别提供帮助。 展开更多

关键词 图像识别 农作物 病害 小麦赤霉病 多路卷积神经网络 联合损失函数

在线阅读 下载PDF 职称材料

基于深度卷积神经网络的地震震相拾取方法研究 被引量：28

19

作者 李健 王晓明 +3 位作者 张英海 王卫东 商杰 盖磊 《地球物理学报》 SCIE EI CAS CSCD 北大核心 2020年第4期1591-1606,共16页

地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经... 地震震相拾取是地震数据自动处理的首要环节,包括了信号检测、到时估计和震相识别等过程,震相拾取的准确性直接影响到后续事件关联处理的性能,影响观测报告的质量.为了提高震相拾取的准确性,进而提高观测报告质量,本文采用深度卷积神经网络方法来解决震相拾取问题,构建了多任务卷积神经网络模型,设计了分类和回归的联合损失函数,定义了基于加权的分类损失函数,以三分量地震台站的波形数据作为输入,同时实现对震相的检测识别和到时的精确估计.利用美国南加州地震台网的200万条震相和噪声数据对模型进行训练、验证和测试,对于测试集中直达波P、S震相识别的查全率达到98%以上,到时估计的标准偏差分别为0.067s,0.082s.利用迁移学习和数据增强,将模型用于对我国东北地区台网的6个台站13000条数据的训练、验证和测试中,对该数据集P、S震相查全率分别达到91.21%、85.65%.基于迁移训练后的模型,设计了用于连续数据的震相拾取方法,利用连续的地震数据对该算法进行了实际应用测试,并与国家数据中心和中国地震局的观测报告进行比对,该方法的震相检测识别率平均可达84.5%,验证了该方法在实际应用中的有效性.本文所提出的方法展示了深度神经网络在地震震相拾取中的优异性能,为地震震相和事件的检测识别提供了新的思路. 展开更多

关键词 多任务卷积神经网络 震相拾取 联合损失函数 迁移学习

在线阅读 下载PDF 职称材料

基于联合深度学习的地震数据随机噪声压制 被引量：18

20

作者 张岩 李新月 +2 位作者 王斌 李杰 董宏丽 《石油地球物理勘探》 EI CSCD 北大核心 2021年第1期9-25,56,I0007,共19页

噪声压制是地震资料处理中的一项关键任务。根据不同噪声的形成机制、特性,可以采用不同的压制方法,使地震资料的信噪比达到预期,提高后续地震资料处理和解释的效率和精度。现有基于深度学习的地震数据去噪方法,通常仅关注单一时域或频... 噪声压制是地震资料处理中的一项关键任务。根据不同噪声的形成机制、特性,可以采用不同的压制方法,使地震资料的信噪比达到预期,提高后续地震资料处理和解释的效率和精度。现有基于深度学习的地震数据去噪方法,通常仅关注单一时域或频域的特征提取,导致局部过平滑或纹理模糊的现象;此外,传统卷积神经网络的卷积核往往采用固定较小的尺寸,限制了感受野大小,容易导致地震数据特征信息提取不充分。为此,提出一种基于联合深度学习的地震数据随机噪声压制方法。首先,考虑时域和频域两方面的特征信息,利用联合误差定义损失函数,改善特征提取效果;其次,通过分析卷积核大小和网络深度对感受野大小的影响,采用扩充卷积的方式,增加地震数据特征提取的多样性,减少地震数据细节的损失;再次,根据网络输入与输出数据具有相似性的特点,引入残差学习策略;最后,利用批归一化算法加快模型收敛,提高地震数据去噪效率。与同类算法对比实验表明,应用所提出的方法可得到更好的同相轴纹理保持效果和较高的信噪比。 展开更多

关键词 地震数据噪声压制 深度学习 联合损失函数 扩充卷积 残差网络 纹理 信噪比

在线阅读 下载PDF 职称材料