期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
双边特征聚合与注意力机制点云语义分割 被引量:15
1
作者 王溪波 曹士彭 +2 位作者 赵怀慈 刘鹏飞 邰炳昌 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第12期175-183,共9页
机器视觉是环境感知的重要手段之一,是自动驾驶、机器人、工业检测等领域的研究热点,而点云数据的精细分析是其中的一项关键技术。针对大尺度真实场景点云数据分割精度低的问题,提出了一种适用于点云数据语义分割的网络结构。首先,构建... 机器视觉是环境感知的重要手段之一,是自动驾驶、机器人、工业检测等领域的研究热点,而点云数据的精细分析是其中的一项关键技术。针对大尺度真实场景点云数据分割精度低的问题,提出了一种适用于点云数据语义分割的网络结构。首先,构建了一个双边特征聚合结构,通过分别处理点云的几何信息和语义信息,达到充分利用点云特征信息的目的。其次,使用近邻特征的高维空间相关性计算点与点之间的相互作用,进行局部邻域的上下文信息增强。提出了一种混合池化结构代替最大值池化,减少信息损失,使用横向跨层池化连接来增强特征多样性。最后,引入注意力机制提取全局特征,滤除尺度噪声,增强特征在空间上的表现力。实验结果表明,该方法在大尺度真实场景点云数据集S3DIS上的平均交并比为68.2%,平均准确率为80.7%,比PointNet提高了20.6%和14.5%,客观指标优于已有的代表性方法。 展开更多
关键词 机器视觉 点云语义分割 双边特征聚合 跨层混合池化 注意力机制
在线阅读 下载PDF
融合多尺度卷积和注意力机制的场景提取方法 被引量:3
2
作者 闫祎巧 王宏生 +1 位作者 赵怀慈 刘鹏飞 《电子测量技术》 北大核心 2023年第16期172-178,共7页
复杂背景下,不同尺度建筑物的特征差异较大,现有算法对多尺度建筑物分割存在分割不均以及误判等问题。为了解决上述问题,本文设计了一种适应多尺度变化的新型网络结构。首先,针对遥感图像场景提分割精度低的问题,引入坐标注意力机制,嵌... 复杂背景下,不同尺度建筑物的特征差异较大,现有算法对多尺度建筑物分割存在分割不均以及误判等问题。为了解决上述问题,本文设计了一种适应多尺度变化的新型网络结构。首先,针对遥感图像场景提分割精度低的问题,引入坐标注意力机制,嵌入到基础网络中增强上下文信息捕获能力,消除噪声的同时增强网络对于空间特征的提取能力。引入了新型递归残差卷积模块,加深网络层次的同时减少信息丢失,提高特征提取效率。最后,在跳跃连接中引入了空洞空间卷积池化金字塔增大网络感受野,增强有效特征,抑制无用特征。设计系统验证模型的实用性。实验结果表明,本文方法在精确率、召回率、F1-score和IoU指标中比U-Net网络分别提高了3.05%、1.56%、1.3%、3.08%。 展开更多
关键词 语义分割 建筑物提取 遥感图像 注意力机制
在线阅读 下载PDF
改进生成对抗网络实现红外与可见光图像融合 被引量:11
3
作者 闵莉 曹思健 +1 位作者 赵怀慈 刘鹏飞 《红外与激光工程》 EI CSCD 北大核心 2022年第4期395-404,共10页
红外与可见光图像融合技术能够同时提供红外图像的热辐射信息和可见光图像的纹理细节信息,在智能监控、目标探测和跟踪等领域具有广泛的应用。两种图像基于不同的成像原理,如何融合各自图像的优点并保证图像不失真是融合技术的关键,传... 红外与可见光图像融合技术能够同时提供红外图像的热辐射信息和可见光图像的纹理细节信息,在智能监控、目标探测和跟踪等领域具有广泛的应用。两种图像基于不同的成像原理,如何融合各自图像的优点并保证图像不失真是融合技术的关键,传统融合算法只是叠加图像信息而忽略了图像的语义信息。针对该问题,提出了一种改进的生成对抗网络,生成器设计了局部细节特征和全局语义特征两路分支捕获源图像的细节和语义信息;在判别器中引入谱归一化模块,解决传统生成对抗网络不易训练的问题,加速网络收敛;引入了感知损失,保持融合图像与源图像的结构相似性,进一步提升了融合精度。实验结果表明,提出的方法在主观评价与客观指标上均优于其他代表性方法,对比基于全变分模型方法,平均梯度和空间频率分别提升了55.84%和49.95%。 展开更多
关键词 图像融合 生成对抗网络 语义信息 谱归一化
在线阅读 下载PDF
具备红外感知的低光场景目标检测
4
作者 张志佳 那惺奇 +2 位作者 肖宇航 房建 赵怀慈 《沈阳工业大学学报》 2025年第4期417-424,共8页
【目的】随着人工智能领域的快速发展,基于可见光图像的目标检测技术日益成熟,并在自动驾驶、安防监控、智能交通等领域得到了广泛应用。然而,在低光场景(如黑夜或昏暗灯光环境)下,基于可见光图像的目标检测算法性能显著下降。主要原因... 【目的】随着人工智能领域的快速发展,基于可见光图像的目标检测技术日益成熟,并在自动驾驶、安防监控、智能交通等领域得到了广泛应用。然而,在低光场景(如黑夜或昏暗灯光环境)下,基于可见光图像的目标检测算法性能显著下降。主要原因在于可见光图像在低光条件下信息丢失严重,导致目标特征难以提取。为解决这一问题,提出了基于可见光图像和红外图像的多模态目标检测技术,该技术能够有效改善低光场景下的目标检测性能。然而,多模态检测技术的成本较高,需要对不同模态的图像进行精确配准,计算量较大,从而增加了实现难度和处理负担。基于此,提出了一种具备红外感知的目标检测网络(InSCnet),旨在通过一个可见光相机来预测红外热辐射特征,在不增加模态的情况下提升网络在低光场景下的目标检测能力。【方法】InSCnet以可见光图像为输入,通过红外预测分支(IPB)生成红外图像来预测热辐射特征,从而增强网络对低光场景的感知能力。为了有效融合多尺度视觉和热辐射特征,设计了互补融合滤波(COFF)模块。COFF通过互补融合这两种特征,增强特征间的互补性,避免了网络对单一模态特征的过度依赖。此外,采用混合特征金字塔(HyFP)模块,通过特征金字塔和注意力机制,进一步提升多尺度全局与局部特征的融合与提取能力,确保网络在不同程度的低光条件下均能保持较高的检测准确率。【结果】实验结果表明,InSCnet在LLVIP行人检测数据集上表现优异。具体而言,S mAP50达到了0.830,S mAP50-95达到了0.426。同时在DroneVehicle数据集上进行了实验,S mAP50达到了0.702,证明了InSCnet具备多类别低光检测能力。【结论】InSCnet通过引入红外热辐射特征和特征融合机制,提升了低光场景下的目标检测性能;在低光场景下能够有效检测可见光图像中难以识别的目标,为低光场景下的目标检测提供了一种有效的解决方案。未来的研究可以进一步探索如何优化网络结构。 展开更多
关键词 目标检测 低光场景 红外预测 特征融合 特征金字塔 全局特征 局部特征 人工智能
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部