-
题名基于YOLOv3与分层数据关联的多目标跟踪算法
被引量：9
- 1
-
-
作者
刘彦
秦品乐
曾建朝
-
机构
中北大学山西省医学影像人工智能工程技术研究中心
中北大学电气与控制工程学院
-
出处
《计算机科学》
CSCD
北大核心
2021年第S02期370-375,共6页
-
基金
山西省重点研发项目(201803D31212-1)。
-
文摘
为了缓解多目标跟踪算法中实时性的问题以及在跟踪过程中目标由于外观相似度太高和误检数量过多而造成的跟踪困难问题,提出了一种多目标跟踪算法,该算法基于改进YOLOv3与分层数据关联。由于轻量级网络MobileNet使用了深度可分离卷积对原有网络进行压缩,达到了减少网络参数的目的,因此文中在保留YOLOv3网络多尺度预测部分的情况下,利用MobileNet替换YOLOv3网络的主体结构,实现降低网络的复杂度,使算法达到实时的要求。与其他多目标跟踪算法中使用的检测网络相比,该算法提出的检测网络模型的大小为91 M,而单张检测时间可以达到3.12 s。同时,该算法引入基于目标外观特征和运动特征的分层数据关联方法。与仅使用外观特征进行关联的方法相比,分层数据关联方法使得算法的评价指标MOTA提升6.5%,MOTP提升1.7%。在MOT16数据集上跟踪精度可以达到77.2%,同时具备良好的抗干扰能力与实时性。
-
关键词
分层数据关联
YOLOv3
轻量级网络
多目标跟踪
深度学习
-
Keywords
Hierarchical data association
YOLOv3
Lightweight network
Multi-object tracking
Deep learning
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多级特征和全局上下文的纵膈淋巴结分割算法
- 2
-
-
作者
徐少伟
秦品乐
曾建朝
赵致楷
高媛
王丽芳
-
机构
中北大学大数据学院
中北大学山西省医学影像人工智能工程技术研究中心
山西医科大学第一医院
-
出处
《计算机科学》
CSCD
北大核心
2021年第S01期95-100,117,共7页
-
基金
山西省工程技术研究中心建设项目(201805D121008)。
-
文摘
针对纵膈淋巴结尺度差异大、正负样本不均衡、软组织和肺肿瘤易混淆的问题,提出一个新颖的用于纵膈淋巴结分割的多级特征和全局上下文分割网络。为了解决纵膈淋巴结正负样本不均衡、与纵膈器官和软组织相似的问题,通过医学先验提取纵膈间隙,减少了纵膈器官干扰。为了解决肿大纵膈淋巴结与肺肿瘤相似、淋巴结出现区域分散的问题,设计了全局上下文模块,通过计算全局上下文依赖,大大提升了网络对淋巴结和背景的分类能力。为了解决纵膈淋巴结尺度差异大的问题,设计了特征融合模块,大大增强了网络对小淋巴结的分割精度。实验表明,所提方法在纵膈淋巴结分割任务中达到了76.92%的准确率,79.65%的召回率和76.08%的dice分数,在准确率、召回率和dice分数上均明显优于当前用于纵膈淋巴结分割的其他算法。
-
关键词
纵膈淋巴结分割
自注意力机制
计算机辅助诊断
3D卷积神经网络
三维医学影像
-
Keywords
Mediastinal lymph node segmentation
Attention mechanism
Computer-aided diagnosis
3D convolutional neural network
3D medical image
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
