-
题名融合各向异性上下文的遥感图像语义分割
- 1
-
-
作者
岳志远
耿玉标
闫宏艳
孙玉宝
-
机构
南京信息工程大学江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心
-
出处
《计算机应用与软件》
北大核心
2025年第4期229-236,288,共9页
-
基金
国家自然科学基金项目(U2001211)
-
文摘
由于遥感图像中地面目标存在纵横比变化大、目标尺度范围广等各向异性分布问题,现有分割方法对于呈长程带状结构、密集离散分布物体等目标的分割能力还存在不足。为了应对该问题,提出融合各向异性上下文的遥感图像分割网络,该网络通过对梯度卷积核参数施加先验约束来提取目标的梯度信息,优化分割边缘,设计多尺度并行空洞卷积和各向异性复合条状池化等模块,捕获遥感图像中不同尺度目标的各向异性上下文信息,融合多尺度的上下文信息并恢复图像细节。在公开的Potsdam和Vaihingen数据集上的实验表明,该网络优于DaNet、DeepLabv3+、Eanet等先进的分割网络,消融实验也验证了各模块的有效性。
-
关键词
遥感图像
语义分割
各向异性上下文
梯度卷积
复合条状池化
-
Keywords
Remote sensing image
Semantic segmentation
Anisotropic context
Gradient convolution
Composite strip pooling
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于多通路融合网络的高速公路雾天能见度等级识别
被引量：4
- 2
-
-
作者
闫宏艳
孙玉宝
张振东
黄亮
-
机构
南京信息工程大学江苏省大数据分析技术重点实验室江苏省大气环境与装备技术协同创新中心
江苏省气象局江苏省气象服务中心中国气象局交通气象重点开放实验室
-
出处
《计算机应用研究》
CSCD
北大核心
2022年第8期2490-2495,共6页
-
基金
国家自然科学基金资助项目(U2001211)
江苏省气象局重点基金资助项目(KZ202105)。
-
文摘
雾天是影响高速公路交通安全的重要因素。研究从监控图像进行高速公路雾天能见度的自动识别方法可以为交通管理部门的智能管理和决策提供技术支持。根据大气散射模型分析出与雾浓度相关的多个物理因素,提出了综合这些物理因素的多通路融合识别网络。该网络使用三个通路联合学习深度视觉特征、传输矩阵特征和场景深度特征,并设计注意力融合模块来自适应地融合这三类特征以进行能见度等级识别。同时构建了一个合成数据集和一个真实的高速公路场景数据集,用于网络参数学习和性能评估。实景数据集中的图像是从中国多条高速公路的监控视频中收集的。在这两个数据集上的实验表明,所提方法可以适应不同的监控拍摄场景,能够比现有方法更准确地识别能见度等级,有效提升了识别精度。
-
关键词
能见度识别
多通路网络
大气散射模型
注意力融合
-
Keywords
visibility level recognition
multi-stream network
atmospheric scattering model
attention fusion
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名产品表面缺陷检测的多通路阈值收缩融合网络
被引量：3
- 3
-
-
作者
耿玉标
岳志远
闫麒名
孙玉宝
-
机构
南京信息工程大学江苏省大数据分析技术重点实验室、江苏省大气环境与装备技术协同创新中心
-
出处
《计算机工程与应用》
CSCD
北大核心
2023年第10期162-170,共9页
-
基金
国家自然科学基金(U2001211)。
-
文摘
产品表面缺陷检测任务的重点是对产品表面图像中的异常缺陷区域进行自动检测和分割。然而实际应用中,由于噪声的退化影响和缺陷类型的复杂多样,产品表面缺陷检测仍然是一项具有挑战性的任务。为了应对这些问题,提出了产品表面缺陷检测的多通路阈值收缩融合网络。在各尺度通路中,为了降低噪声干扰,该网络设计了自适应阈值收缩去噪模块,通过双支路自主学习水平和垂直方向的收缩阈值,去除特征中的干扰噪声并且保留有效背景信息,从而实现自适应去噪。为了更准确定位缺陷对象,设计了上下文三维注意力融合模块,通过水平聚合和垂直聚合生成三维注意力图,增强异常区域特征。最终将平行的多尺度特征融合,实现对不同尺度以及不同类型缺陷的有效检测。将所构建模型在SD-900和MVTec-AD数据集上与最新的8种方法进行比较,实验结果表明该模型能够有效提升检测精度,并能够对噪声干扰保持鲁棒性,消融实验也验证了自适应阈值收缩去噪模块和上下文三维注意力模块融合的有效性。
-
关键词
缺陷检测
多尺度融合网络
自适应阈值去噪
上下文三维注意力
-
Keywords
defect detection
multi-scale fusion network
self-adaptive threshold denoising
contextual 3D attention
-
分类号
TP39
[自动化与计算机技术—计算机应用技术]
-
