期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到436篇文章
< 1 2 … 22 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
结合注意力特征融合的路面裂缝检测 被引量：2
1
作者 谢永华 厉涛 柏勇 《计算机工程与设计》 北大核心 2025年第1期307-313,共7页
为解决路面裂缝检测中裂缝漏检和定位不准的问题,提出一个结合注意力特征融合的可端到端训练的路面裂缝检测网络。基于Resnet-50结构设计,在特征融合部分添加注意力特征融合模块,通过注意力掩码学习,动态调整浅层特征与深层特征融合权重... 为解决路面裂缝检测中裂缝漏检和定位不准的问题,提出一个结合注意力特征融合的可端到端训练的路面裂缝检测网络。基于Resnet-50结构设计,在特征融合部分添加注意力特征融合模块,通过注意力掩码学习,动态调整浅层特征与深层特征融合权重,突出有用信息,解决裂缝漏检问题;在编码器部分,改进浅层特征与深层特征的选取方式,提升特征融合效果和检测精度。实验结果表明,该网络在各项指标上均优于其它对比网络,具有较高的检测精度。 展开更多
关键词 裂缝检测 深度学习 语义分割 卷积网络 注意力机制 特征融合 特征提取
在线阅读 下载PDF
基于样本迭代优化策略的密集连接多尺度土地覆盖语义分割 被引量：1
2
作者 郑宗生 高萌 +3 位作者 周文睆 王政翰 霍志俊 张月维 《自然资源遥感》 北大核心 2025年第2期11-18,共8页
针对分割结果小尺度地物遗漏、连续地物缺乏完整性问题,提出密集连接多尺度语义分割模型(densely connected multi-scale semantic segmentation network, DMS-Net),实现土地覆盖分割。通过多尺度密集连接空洞空间卷积金字塔池化(multi-... 针对分割结果小尺度地物遗漏、连续地物缺乏完整性问题,提出密集连接多尺度语义分割模型(densely connected multi-scale semantic segmentation network, DMS-Net),实现土地覆盖分割。通过多尺度密集连接空洞空间卷积金字塔池化(multi-scale dense connected atrous spatial convolution pyramid pooling module, MDCA)和条形池化(spatial pyramid pooling, SP)提取多尺度和空间连续性地物;利用特征增强双注意力并联模块(position paralleling channel attention module, PPCA)衡量特征权重,实现高效表达;采用浅层特征级联模块(cascade low-level feature fusion, CLFF)捕捉被忽略的浅层特征,进一步补充细节。实验结果表明:DMS-Net模型在迭代扩充数据集上的总体精度(overall accuracy, OA)达到89.97%,平均交并比(mean intersection over union, mIoU)达到75.59%,高于传统机器学习方法及U-Net, PSPNet, Deeplabv3+等深度学习模型。分割结果显示,地物结构完整且边缘分割明晰,在实现多尺度的土地覆盖遥感信息提取分析中具有较好的实用价值。 展开更多
关键词 深度学习 全卷积神经网络 多尺度 语义分割 土地覆盖
在线阅读 下载PDF
用于铁路场景语义分割的改进动态图卷积神经网络 被引量：1
3
作者 王卫东 刘延 +3 位作者 邱实 刘贤华 魏晓 王劲 《计算机辅助设计与图形学学报》 北大核心 2025年第1期139-147,共9页
针对目前在铁路场景语义分割中存在的数据获取成本高、分割精度低、泛化能力差等问题,提出了一种基于改进动态图卷积神经网络的铁路场景语义分割方法.首先利用高分辨率的无人机采集铁路场景的多视角图像,并通过结构运动恢复与基于面片... 针对目前在铁路场景语义分割中存在的数据获取成本高、分割精度低、泛化能力差等问题,提出了一种基于改进动态图卷积神经网络的铁路场景语义分割方法.首先利用高分辨率的无人机采集铁路场景的多视角图像,并通过结构运动恢复与基于面片的多视角立体视觉算法生成铁路场景的三维点云;然后在动态图卷积神经网络中引入空间注意力模块,增强网络结构的分割精度与泛化性;最后通过改进后的图卷积神经网络对预处理后的铁路场景点云完成高精度的语义分割.实验阶段采用的铁路场景包括桥梁段、路基段与联络线,共计11个区域.以平均交并比为评价指标,与动态图卷积神经网络、PointNet++进行对比,研究结果表明,基于图像点云训练的改进动态图卷积神经网络对于铁路场景语义分割具有更高的精度,与动态图卷积神经网络、PointNet++相比,分割精度分别提高3.3个百分点与6.0个百分点,且具有更好的泛化能力. 展开更多
关键词 铁道工程 点云语义分割 无人机点云 卷积神经网络
在线阅读 下载PDF
改进的U-Net卷积网络在遥感影像地物分类中的应用 被引量：1
4
作者 苟长龙 庞敏 杨扬 《测绘通报》 北大核心 2025年第3期150-155,共6页
地物分类在环境监测、资源管理和城市规划中具有重要作用,但光谱相似性、噪声干扰及自然与人造地物混杂等因素,使得分类过程面临各种挑战。为提高分类精度,并增强模型的稳健性,本文提出了一种基于U-Net卷积网络架构且结合Transformer自... 地物分类在环境监测、资源管理和城市规划中具有重要作用,但光谱相似性、噪声干扰及自然与人造地物混杂等因素,使得分类过程面临各种挑战。为提高分类精度,并增强模型的稳健性,本文提出了一种基于U-Net卷积网络架构且结合Transformer自注意力机制的深度学习网络。在兰州市遥感影像数据集上的试验表明,该模型在平均分类精度(mAcc)、平均交并比(mIoU)和平均F1分数(m F1)等指标上均优于PSPNet、DeeplabV3、Segformer和Swin-T模型。该模型不仅提高了分类精度,还实现了较高的推理速度,展现出在复杂地物场景中的应用潜力,为遥感影像分类提供了新思路。 展开更多
关键词 深度学习 地物分类 卷积神经网络 遥感影像 语义分割
在线阅读 下载PDF
基于改进DeepLabv3+的安全帽佩戴分割算法
5
作者 邵晓艳 董文永 +2 位作者 赵雪专 李玲玲 薄树奎 《西南大学学报(自然科学版)》 北大核心 2025年第7期185-195,共11页
针对物流园区空间跨度大、作业设备繁多导致安全帽佩戴检测分割难度增加的问题,提出一种基于改进DeepLabv3+的安全帽佩戴分割算法。该算法采用ResNet-101膨胀残差网络进行特征提取;在编码阶段引入卷积注意力机制融合模块,有效增强特征... 针对物流园区空间跨度大、作业设备繁多导致安全帽佩戴检测分割难度增加的问题,提出一种基于改进DeepLabv3+的安全帽佩戴分割算法。该算法采用ResNet-101膨胀残差网络进行特征提取;在编码阶段引入卷积注意力机制融合模块,有效增强特征区域表征能力;在特征提取阶段引入图像特征网格化模块,将低分辨率图像进行平均切分,有助于获得局部图像的小目标特征。将该算法在SHWD(Safety Helmet Wearing Detect)数据集中训练测试,结果表明:算法的像素准确率达到89.23%,相比DeepLabv3+提升了2.21个百分点,有效提高了复杂场景下物流园区安全帽佩戴分割精度。 展开更多
关键词 神经网络 注意力机制 膨胀卷积 语义分割
在线阅读 下载PDF
基于自注意力机制的高分遥感影像语义分割 被引量：1
6
作者 杨军 张金影 康玥 《哈尔滨工程大学学报》 北大核心 2025年第2期344-354,共11页
针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助... 针对遥感影像多尺度特征提取困难、上下文信息利用不足的问题,本文结合自注意力机制和深度可分离卷积提出一种线性多头自注意力网络模型,适用于高分辨率遥感影像语义分割。在自注意力模块之前引入深度可分离卷积,减少计算量的同时有助于捕获局部特征;在编码器分支中提出线性的多头自注意力模块以降低模型的计算复杂度;设计一个解码器来恢复特征图分辨率,通过级联操作整合各层级的特征并生成高分辨率的语义分割结果。所提算法在ISPRS Vaihingen和Potsdam数据集上的分割结果的mF1分别达到了90.77%和92.36%,与目前主流算法相比,不透水表面、建筑、低矮植物、树木类的分割准确率及总体分割准确率均有提高。本文算法构建的线性多头自注意力网络是一种高效的高分辨率遥感影像语义分割模型。 展开更多
关键词 高分辨率遥感影像 多头自注意力 深度可分离卷积 语义分割 特征提取 卷积神经网络 编码器 解码器
在线阅读 下载PDF
融合显著边界约束的弱监督语义分割方法
7
作者 白雪飞 张丽娜 王文剑 《计算机工程与应用》 北大核心 2025年第19期214-225,共12页
针对现有弱监督语义分割方法存在的类激活不足、伪标签边界不清晰的问题,提出了融合显著边界约束的弱监督语义分割方法。提出由共享参数的孪生网络作为类激活图生成网络,将仿射变换前后的图像作为孪生网络两个分支的输入,得到不同的类... 针对现有弱监督语义分割方法存在的类激活不足、伪标签边界不清晰的问题,提出了融合显著边界约束的弱监督语义分割方法。提出由共享参数的孪生网络作为类激活图生成网络,将仿射变换前后的图像作为孪生网络两个分支的输入,得到不同的类激活图后,通过一致性损失函数融合仿射变换前后的互补信息,以生成具有完整信息的类激活图。设计显著性修正模块,在类激活图中引入边界约束,抑制背景信息的错误激活;同时,设计显著性亲和模块从显著图中学习像素之间的亲和矩阵,进一步细化初始伪标签,提升模型的语义分割性能。实验结果表明,该方法在PASCAL VOC 2012验证集上的mIoU值为71.4%,与基线相比,性能提升了2.1个百分点,测试集上的mIoU值为70.8%;在COCO 2014验证集上的mIoU值为39.2%,展现了良好的分割结果,该方法可以更好地完成弱监督语义分割任务。 展开更多
关键词 弱监督语义分割 图像级标签 TRANSFORMER 卷积神经网络 孪生网络 显著图
在线阅读 下载PDF
一种基于轻量化卷积模块的语义分割网络
8
作者 连晓峰 康毛毛 +1 位作者 谭励 王艳莉 《应用科学学报》 北大核心 2025年第1期66-79,共14页
融合深度学习的语义同步定位与地图构建技术为处理动态场景提供了有效的解决方案,但仍面临计算资源消耗大和模型复杂度高的挑战。为此,提出了一种基于BlendMask改进的轻量化语义分割网络。首先,设计了一种轻量的GDS-ECA卷积(Ghost-depth... 融合深度学习的语义同步定位与地图构建技术为处理动态场景提供了有效的解决方案,但仍面临计算资源消耗大和模型复杂度高的挑战。为此,提出了一种基于BlendMask改进的轻量化语义分割网络。首先,设计了一种轻量的GDS-ECA卷积(Ghost-depthwise separable convolution with efficient channel attention)模块,利用深度可分离卷积替代Ghost卷积中的少量卷积操作,减少参数量和计算量,并添加注意力机制提升特征表达能力。其次,提出了特征提取网络BGTNet(bottleneck GDS-ECA attention transformer network),将GDS-ECA卷积应用于颈部模块的卷积层以提升网络的提取精度;此外,将特征金字塔网络(feature pyramid network,FPN)中的传统卷积替换为GDS-ECA卷积,构建轻量化特征金字塔网络,并结合BGTNet形成语义分割网络的主干网。最后在数据集COCO上进行了实验验证,改进后的模型处理图像时间缩短了7.3 ms,平均精度提升了1.5%。 展开更多
关键词 语义分割 同步定位与地图构建 轻量化 注意力机制 特征金字塔
在线阅读 下载PDF
改进DeepLabv3+的道路表面裂缝检测方法
9
作者 杨萍 张汐 《计算机工程》 北大核心 2025年第4期261-270,共10页
有效的道路表面裂缝检测是维护道路安全、延长道路寿命的关键。针对传统道路表面裂缝检测方法存在的难以识别细小裂缝、分割断裂以及分割精度低等问题,提出了一种改进DeepLabv3+的道路表面裂缝检测方法,旨在降低模型参数量的同时提高裂... 有效的道路表面裂缝检测是维护道路安全、延长道路寿命的关键。针对传统道路表面裂缝检测方法存在的难以识别细小裂缝、分割断裂以及分割精度低等问题,提出了一种改进DeepLabv3+的道路表面裂缝检测方法,旨在降低模型参数量的同时提高裂缝检测的准确性。首先,使用优化后的MobileNetv2网络替换基础DeepLabv3+模型的主干网络,以降低模型的参数量和复杂度,提高运行速度;其次,将条形池化模块(SPM)融入空洞空间金字塔池化(ASPP)模块,使得网络能够捕获到更多的裂缝上下文信息,保留裂缝细小部分的特征;最后,引入卷积块注意力模块(CBAM),使网络更加关注图像中对裂缝检测起决定作用的像素区域,增强裂缝图像的特征表达能力。实验结果显示,改进DeepLabv3+模型的平均像素准确率(MPA)为87.85%,平均交并比(MIoU)为80.53%,准确率为97.51%,精确率为88.65%,F1值为88.24%,相比于基础DeepLabv3+模型分别提高了1.77%、2.03%、0.30%、2.25%和1.51%,且高于U-Net、HR-Net和PSP-Net模型。此外,改进DeepLabv3+模型的参数量为6.382×10~6,是基础DeepLabv3+模型的88.3%,实时性更好,更适用于道路表面裂缝检测任务。 展开更多
关键词 裂缝检测 语义分割 卷积神经网络 条形池化模块 注意力机制
在线阅读 下载PDF
多尺度交叉融合与边界感知的葡萄叶片病害分割网络
10
作者 吕佳 胡佳乐 《农业工程学报》 北大核心 2025年第17期203-212,共10页
为解决葡萄叶片病害分割中病害区域形态多样、背景复杂与光照干扰导致的边缘模糊问题,该研究提出了一种多尺度交叉融合与边界感知的葡萄叶片病害分割网络。研究中多尺度交叉融合解码器通过结合多尺寸条形卷积核和交叉轴注意力机制,能够... 为解决葡萄叶片病害分割中病害区域形态多样、背景复杂与光照干扰导致的边缘模糊问题,该研究提出了一种多尺度交叉融合与边界感知的葡萄叶片病害分割网络。研究中多尺度交叉融合解码器通过结合多尺寸条形卷积核和交叉轴注意力机制,能够有效提取多尺度特征并捕获全局信息,提升了对不同大小病害区域的分割效果。此外,提出的轻量化边界感知引导模块,通过边界信息强化特征学习,增强了网络对边界信息的敏感性,有效提升了其对病害模糊边缘的识别能力,从而进一步提高了对病害区域的分割性能。试验结果表明,该网络在自建数据集上病害分割任务中,Dice相似系数和准确率分别达到86.3%和88.3%,能够满足葡萄叶片病害的分割需求。在公有数据集Plant Village上的试验结果显示,Dice相似系数和准确率分别达到85.2%和86.5%,验证了其良好的泛化性和实际应用潜力。在计算效率方面,该网络的参数量和浮点数运算量分别为3.75M和1.61GFLOPs,降低了计算成本并提升了运行效率。因此,该研究提出的网络为复杂环境下叶片病害区域的精确分割提供了一种更加高效且稳定的解决方案。 展开更多
关键词 病害 葡萄叶片 语义分割 多尺度交叉轴注意力 边界感知引导 轻量化网络
在线阅读 下载PDF
基于RGB-D图像的语义分割方法综述 被引量：1
11
作者 王晨 杜晨曦 +1 位作者 刘瑞军 齐越 《计算机辅助设计与图形学学报》 北大核心 2025年第1期100-119,共20页
语义分割技术致力于精确识别并分割图像中的各个物体或场景.基于RGB图像的方法在信息利用上存在局限,导致性能受限,随着深度传感器技术的普及,深度图的引入为语义分割网络注入了丰富的几何信息,显著地提升了分割精度.文中介绍了近几年基... 语义分割技术致力于精确识别并分割图像中的各个物体或场景.基于RGB图像的方法在信息利用上存在局限,导致性能受限,随着深度传感器技术的普及,深度图的引入为语义分割网络注入了丰富的几何信息,显著地提升了分割精度.文中介绍了近几年基于RGB-D图像的语义分割方面的显著进展和相关方法,根据对多模态融合特征处理方式的差异,将基于RGB-D图像的语义分割方法归纳为单分支、双分支、三分支网络架构3大类.其中,单分支网络在同一分支同时处理RGB和深度特征,实现特征的有机结合;双分支网络利用RGB和深度特征之间的互补性,优化多模态特征的校正与融合;三分支网络在保留原始的RGB和深度特征的同时,深入挖掘融合特征,确保信息的全面性.同时,总结注意力、模型优化等关键技术,并归纳常用的数据集和评价指标,对比分析各种方法在不同数据集上的性能,最后总结当前RGB-D图像语义分割在多模态数据交互与处理方面所面临的挑战,展望了语义分割技术在跨领域数据融合方向的发展前景. 展开更多
关键词 RGB-D图像 语义分割 多模态特征融合 卷积神经网络
在线阅读 下载PDF
基于多尺度注意力U-Net的医学肝脏计算机断层扫描图片分割算法 被引量：2
12
作者 金涛 王震 李昭蒂 《哈尔滨工程大学学报》 北大核心 2025年第3期529-539,共11页
针对传统肝脏分割方法十分依赖医生的经验,并且分割过程耗时,易出错的现象,本文提出适用于临床情景中医学肝脏计算机断层扫描的分割方法。基于多尺度残差混合注意力U-Net将多尺度注意力机制模块引入U-Net网络。该模块可以抑制不相关的区... 针对传统肝脏分割方法十分依赖医生的经验,并且分割过程耗时,易出错的现象,本文提出适用于临床情景中医学肝脏计算机断层扫描的分割方法。基于多尺度残差混合注意力U-Net将多尺度注意力机制模块引入U-Net网络。该模块可以抑制不相关的区域,从多个角度提取图像特征,并突出显示分割任务;在标准卷积层中添加残差结构可以有效地避免梯度爆炸并增加网络深度;使用混合空洞注意力常规层来替换“U”形网络的底部,以获得上下文信息,避免空间信息的丢失。试验结果表明:在LiTS17和SLiver07数据集上与其他方法相比,本文方法具有更好的性能和最高的分割精度。 展开更多
关键词 神经网络 深度学习 语义分割 肝脏分割 医学图像 注意力机制 空洞卷积
在线阅读 下载PDF
一种复杂背景下电气设备红外图像精确分割方法 被引量：1
13
作者 王琦 张欣唯 +4 位作者 童悦 王昱晴 张锦 王咏涛 袁小翠 《激光与红外》 北大核心 2025年第3期399-407,共9页
电气设备精确分割是红外图像故障诊断的关键环节,针对主流的语义分割方法对复杂背景下红外图像电气设备分割容易丢失细节问题,提出一种复杂背景下电气设备红外图像精确分割方法。首先,以UNet网络为主体结构改进PSPNet,将UNet网络提取的... 电气设备精确分割是红外图像故障诊断的关键环节,针对主流的语义分割方法对复杂背景下红外图像电气设备分割容易丢失细节问题,提出一种复杂背景下电气设备红外图像精确分割方法。首先,以UNet网络为主体结构改进PSPNet,将UNet网络提取的最高层特征经过多尺度金字塔池化后进行解码;其次,在特征提取主干网络中对每层提取的特征加入卷积注意力机制(Convolutional Block Attention Mechanism,CBAM),从通道和空间2个维度获取图像上下文信息提升网络对电气设备的关注度以增强网络的抗干扰性;最后,构建PSPnet-CBAM-Unet网络,将CBAM注意力机制输出的特征图作为下层特征提取的输入和解码层跳跃连接特征。以复杂背景下电压互感器、电流互感器和断路器三类设备红外图像分割为例测试本文方法有效性,实验结果表明,本文方法对三类电气设备分割交并比和像素准确率均分别大于92%和94%,分割的准确性优于UNet,PSPNet,Deeplabv3+网络,对复杂背景下红外图像电气设备的细节分割更准确。 展开更多
关键词 红外图像 语义分割 UNet网络 PSPNet CBAM
在线阅读 下载PDF
双编码端高分辨率遥感影像语义分割算法 被引量：1
14
作者 吴梦可 高心丹 《计算机科学与探索》 北大核心 2025年第1期187-195,共9页
遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络(CNN)的语义分割算法难以捕捉到影像的全局特征,导致分割效果不佳。针对以上问题,利用Swin Transformer的全局特征提取能力,提出了双编码端高分辨率遥感影像语义... 遥感影像具有多尺度对象、复杂背景、不均衡类别等特点。基于卷积神经网络(CNN)的语义分割算法难以捕捉到影像的全局特征,导致分割效果不佳。针对以上问题,利用Swin Transformer的全局特征提取能力,提出了双编码端高分辨率遥感影像语义分割算法DEGFNet。设计特征融合模块(FFB)将Swin Transformer捕获的全局特征引入编码端,应对多尺度对象带来的挑战。在Swin Transformer中设计空间交互模块(SIB),降低复杂背景样本带来的负面影响;在解码端引入全局-局部注意力模块(GLTB)和特征细化模块(FRB),来更好地利用编码端提取的信息,提高语义分割的精确性;采用交叉熵损失和Dice Loss组成的混合损失函数训练模型,减轻样本类别不均衡带来的消极影响。在Vaihingen数据集上,宏观平均F1值(mF1)、平均交并比(mIoU)和整体准确率(OA)指标分别达到91.9%、84.8%和92.4%;在LoveDA数据集上,mIoU指标达到55.0%,均展现出了更好的语义分割效果和良好的泛化性。 展开更多
关键词 高分辨率遥感影像 语义分割 卷积神经网络 Swin Transformer
在线阅读 下载PDF
基于深度学习的混凝土缺陷检测方法综述
15
作者 王嘉敏 武文红 +5 位作者 牛恒茂 石宝 乌尼尔 郝旭 张超 付荣升 《计算机科学》 北大核心 2025年第S1期347-358,共12页
基于深度学习的混凝土缺陷检测通过提供结构状况的初始评估,可有效降低基础设施运营风险以及节约维护成本。文中归纳了近年来混凝土缺陷检测技术的研究进展,对相关研究的已有成果进行分析,讨论对比了各类检测方法的差异及优缺点。对可... 基于深度学习的混凝土缺陷检测通过提供结构状况的初始评估,可有效降低基础设施运营风险以及节约维护成本。文中归纳了近年来混凝土缺陷检测技术的研究进展,对相关研究的已有成果进行分析,讨论对比了各类检测方法的差异及优缺点。对可用于混凝土缺陷检测的图像数据集进行了梳理与介绍,再从实际应用出发,对混凝土缺陷检测中可能会存在的问题进行梳理,阐述与分析了能解决相应检测问题的相关研究。最后,针对该研究后续可能的发展方向进行展望。 展开更多
关键词 深度学习 混凝土缺陷 卷积神经网络 目标检测 语义分割 实例分割
在线阅读 下载PDF
基于优选多源遥感特征和双分支卷积神经网络的茶园提取方法 被引量：1
16
作者 林欣怡 汪小钦 +6 位作者 李蒙蒙 金时来 龙江 冯晓敏 吴瑞姣 林敬兰 李琳 《农业机械学报》 北大核心 2025年第6期446-456,共11页
准确的茶园分布信息可以为土地利用规划、种植布局优化提供科学的决策支撑,有助于推动茶产业可持续发展。本文基于GF-2 PMS影像的RGB波段,Sentinel-2光学影像计算的NDVI,Sentinel-1时序SAR数据构建的物候特征(包括茶树生长幅度(Growth a... 准确的茶园分布信息可以为土地利用规划、种植布局优化提供科学的决策支撑,有助于推动茶产业可持续发展。本文基于GF-2 PMS影像的RGB波段,Sentinel-2光学影像计算的NDVI,Sentinel-1时序SAR数据构建的物候特征(包括茶树生长幅度(Growth amplitude,GA)和生长期长度(Growth length,GL)),以及GF-7立体像对影像计算的坡向、坡度、曲率,构建了茶园多模态遥感特征,并通过随机森林特征优选出最佳组合。利用双分支网络联合学习策略,以AMLNet(Attentional multiscale lightweight encoder-decoder network)为第1分支,Vanilla AMLNet为第2分支,构建耦合多模态信息的双分支网络模型MIPBNet(Multi-modal information parallel branch network);利用特征融合模块(Dual-branch feature fusion block,DBFF)在解码器末端进行特征级融合;利用复合损失函数进行优化训练。研究结果表明:NDVI+GA+坡向+坡度组合最能提高茶园分类精度。基于RGB数据依次加入NDVI、GA、坡向、坡度的组合方案,实验结果表明,融合多模态特征后,茶园提取结果漏提和误提现象明显减少,总体精度提升3.11个百分点。与典型的语义分割模型UNet、UNeXt、Segformer相比,MIPBNet的单分支AMLNet获得了更优的茶园提取结果。 展开更多
关键词 茶园提取 多源遥感 深度学习 语义分割 多模态 双分支卷积神经网络
在线阅读 下载PDF
复杂背景下苹果叶片病害严重程度自动估计
17
作者 范红宇 刘博 +1 位作者 么炜 程洪 《河北农业大学学报》 北大核心 2025年第2期88-100,共13页
为解决苹果叶片病害严重程度难以在复杂环境下进行自动估计的问题,本文以苹果锈病、疮痂病、蛙眼叶斑病为研究对象,提出了一种基于两阶段语义分割模型的苹果叶片病害严重程度估计方法。第一阶段,针对自然环境下叶片分割精度不高的问题,... 为解决苹果叶片病害严重程度难以在复杂环境下进行自动估计的问题,本文以苹果锈病、疮痂病、蛙眼叶斑病为研究对象,提出了一种基于两阶段语义分割模型的苹果叶片病害严重程度估计方法。第一阶段,针对自然环境下叶片分割精度不高的问题,对PSPNet中金字塔池化层进行优化并联加入了可变形卷积层(Deformable convolution,DCN),从复杂环境下分割苹果目标叶片。第二阶段,采用UNet网络分割目标叶片的病斑,在其骨干网络VGG16的各激活层前引入批归一化层防止过拟合;并采用双线性插值替换解码器中转置卷积进行上采样,避免转置卷积引起的棋盘效应,对第一阶段得到的叶片结果进行病斑分割,病斑与叶片的面积比即为估计的叶片病害程度。实验结果表明,本文提出的两阶段分割模型能够满足复杂环境叶片和病斑的分割需求,叶片的分割精度达到98.76%,病斑的分割精度达到99.69%。在病害严重程度估计方面,准确率、F1值均优于LD-Deeplabv3+、PUNet、DUNet等方法。此外,本文进一步分析3种病害的估计值与真实值的决定系数R^(2)与MRE,锈病、疮痂病、蛙眼叶斑病的R^(2)分别为0.9831、0.9707、0.9803,MRE分别为1.0953%、1.2401%、1.1086%。该研究可为自然环境下其他植物叶片的分割或病斑的检测等研究工作提供参考。 展开更多
关键词 苹果病害 病害严重程度估计 可变形卷积 语义分割 两阶段网络
在线阅读 下载PDF
融合注意力机制和桥接器模块的航空遥感影像建筑物提取网络
18
作者 熊治国 谢晓尧 +2 位作者 王珩 李秋华 韩孟书 《遥感信息》 北大核心 2025年第4期93-101,共9页
针对航空遥感影像背景复杂多样导致建筑物提取效果差、分割缺失严重、边界提取模糊、中心出现孔洞等问题,提出了融合注意力机制和桥接器模块的AMRUNet建筑物提取网络。网络基础框架将U-Net中的卷积块替换为残差块,并在编码器和跳跃连接... 针对航空遥感影像背景复杂多样导致建筑物提取效果差、分割缺失严重、边界提取模糊、中心出现孔洞等问题,提出了融合注意力机制和桥接器模块的AMRUNet建筑物提取网络。网络基础框架将U-Net中的卷积块替换为残差块,并在编码器和跳跃连接中引入了不同注意力机制,以提高网络在特征提取、噪声抑制方面的表现;设计多尺度级联特征融合(multi-scale cascade feature fusion,MCFF)结构作为网络的桥接器,以提取多尺度信息,减少小建筑物分割缺失。定量分析与实验结果表明,AMRUNet网络的准确率、F1分数、交并比和召回率指标优于现有主流网络,能有效抑制孔洞,建筑物提取更加精确。 展开更多
关键词 建筑物提取 注意力机制 多尺度特征 语义分割 人工智能网络
在线阅读 下载PDF
基于时空双分支注意力的视频语义分割
19
作者 黄丹丹 王一雯 +3 位作者 陈广秋 胡奇 于斯宇 崔志瑜 《计算机辅助设计与图形学学报》 北大核心 2025年第1期129-138,共10页
视频语义分割广泛应用在自动驾驶、交通管理、无人机驾驶等方面.针对视频语义分割中由于分割结果不精确和分割时间过长导致不能达到实时性等问题,提出基于时空双分支注意力机制的记忆网络分割算法.该算法由记忆存储模块、特征整合模块... 视频语义分割广泛应用在自动驾驶、交通管理、无人机驾驶等方面.针对视频语义分割中由于分割结果不精确和分割时间过长导致不能达到实时性等问题,提出基于时空双分支注意力机制的记忆网络分割算法.该算法由记忆存储模块、特征整合模块和时空双分支注意力模块3部分构成.其中,记忆存储模块存储历史帧特征信息和序列时间信息;特征整合模块引用大核分解卷积,在不增加计算量的基础上扩大卷积感受野,很好地捕获长距离依赖信息和上下文信息,达到信道压缩和特征缩减的作用;时空双分支注意力模块捕捉相邻帧中同一物体的特征信息并进行特征融合,利用视频帧时序性提高分割精度.在公开数据集Cityscapes和CamVid上的实验结果表明,所提算法的平均交并比分别达到76.92%和73.68%,计算速度达到38帧/s;与其他视频语义分割算法相比,该算法的分割精度和计算效率达到最优状态. 展开更多
关键词 视频语义分割 记忆网络 注意力机制 特征融合
在线阅读 下载PDF
伪标签动态生成的域自适应语义分割算法
20
作者 范帅坤 颜西平 +4 位作者 马春梅 裴丽君 朱金奇 陈家林 石锐 《天津师范大学学报(自然科学版)》 北大核心 2025年第4期68-74,共7页
自训练是解决域自适应语义分割的一种有效方法,针对现有工作中基于固定阈值选择的伪标签存在大量噪声的问题,提出一种伪标签动态生成的域自适应语义分割算法.首先,利用傅里叶变换对目标域图像进行风格转换预处理,使其在灰度、结构以及... 自训练是解决域自适应语义分割的一种有效方法,针对现有工作中基于固定阈值选择的伪标签存在大量噪声的问题,提出一种伪标签动态生成的域自适应语义分割算法.首先,利用傅里叶变换对目标域图像进行风格转换预处理,使其在灰度、结构以及边缘等信息与源域图像接近,降低域之间的差异;然后,提出一种基于移动阈值的伪标签动态生成方法,提升目标域图像伪标签的置信度.在2个典型城市道路数据集GTA5和SYNTHIA上进行实验,结果表明,相比典型的基于对抗学习的AdaptSegNet模型和较先进的RPT模型,本文算法的平均交并比(mIoU)均有一定提升,验证了本文算法的有效性. 展开更多
关键词 语义分割 域自适应 无监督 生成网络 伪标签 移动阈值
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 22 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部