期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
结合极化自注意力和Transformer的结直肠息肉分割方法
1
作者 谢斌 刘阳倩 李俞霖 《光电工程》 CAS CSCD 北大核心 2024年第10期87-101,共15页
针对传统结直肠息肉图像分割方法存在的目标分割不够精确、对比度不足,以及边缘细节模糊等问题,文中结合极化自注意力和Transformer提出了一种新的结直肠息肉图像分割方法。首先,设计了一种改进的相位感知混合模块,通过动态捕捉Transfor... 针对传统结直肠息肉图像分割方法存在的目标分割不够精确、对比度不足,以及边缘细节模糊等问题,文中结合极化自注意力和Transformer提出了一种新的结直肠息肉图像分割方法。首先,设计了一种改进的相位感知混合模块,通过动态捕捉Transformer结直肠息肉图像的多尺度上下文信息,以使目标分割更加精确。其次,在新方法中引入了极化自注意力机制,实现了图像的自我注意力强化,使得到的图像特征可以直接用于息肉分割任务中,以达到提高病灶区域与正常组织区域对比度的目的。另外,利用线索交叉融合模块加强动态分割时对图像几何结构的捕捉能力,以达到提升结果图像边缘细节的目的。实验结果表明,文中提出的方法不仅能够有效地提升结直肠息肉分割的精确度和对比度,并且还能够较好地克服分割图像细节模糊的问题。在数据集CVC-ClinicDB、Kvasir、CVC-ColonDB和ETIS-LaribPolypDB上的测试结果表明,文中所提新方法能够取得更好的分割效果,其Dice相似性指数分别为0.946、0.927、0.805和0.781。 展开更多
关键词 结直肠息肉 TRANSFORMER 相位感知模块 极化自注意力模块
在线阅读 下载PDF
基于机器视觉的路面破损检测系统研究 被引量:9
2
作者 徐婷 祝站东 +1 位作者 郭亚 朱彤 《武汉理工大学学报(交通科学与工程版)》 2012年第1期34-37,共4页
分析了系统的基本组成和总体结构,介绍了软件设计流程以及网络设计与训练过程.同时考虑到传统图像分割算法的局限性,设计了一种检测图像内任意区域实时检测算法.可以适应路面龟裂、横裂、纵裂、块裂等多种缺陷以及缺陷并存的复杂道路样... 分析了系统的基本组成和总体结构,介绍了软件设计流程以及网络设计与训练过程.同时考虑到传统图像分割算法的局限性,设计了一种检测图像内任意区域实时检测算法.可以适应路面龟裂、横裂、纵裂、块裂等多种缺陷以及缺陷并存的复杂道路样本图像. 展开更多
关键词 路面检测 机器视觉 神经网络 检测系统
在线阅读 下载PDF
基于物联网Android平台的智能多用户电表系统设计 被引量:15
3
作者 周克良 聂丛楠 邢素林 《现代电子技术》 北大核心 2018年第4期116-118,123,共4页
针对传统"单户单表"制的单户电能表功耗高、抄表量增大、管理繁琐、实时性差等弊端,开发一种基于物联网Android平台的智能多用户电表系统。该系统是以STM32F107为主控制器,采用专用计量芯片ATT7022实现对多用户的电量信息远... 针对传统"单户单表"制的单户电能表功耗高、抄表量增大、管理繁琐、实时性差等弊端,开发一种基于物联网Android平台的智能多用户电表系统。该系统是以STM32F107为主控制器,采用专用计量芯片ATT7022实现对多用户的电量信息远程采集、数据显示存储,同时,通过Android SDK进行手机APP软件开发,方便用户实时查询,从而实现高效智能用电。测试结果表明,该系统实时性好,可移动性强,具有较高的应用价值。 展开更多
关键词 物联网 ANDROID 智能多用户电表 STM32F107 ATT7022 APP
在线阅读 下载PDF
基于GRU-RF模型的太阳辐照度短时预测 被引量:14
4
作者 周满国 黄艳国 段锦锋 《太阳能学报》 EI CAS CSCD 北大核心 2022年第7期166-173,共8页
针对现有太阳辐照度短期预测方法的建模复杂、准确度低等问题,提出一种基于深度学习的GRU-RF动态权值组合预测方法。大气因素与太阳辐照度数据融合,将运算速度较快且模型复杂度较低的随机森林(RF)模型与带有时序记忆的门控循环单元(GRU... 针对现有太阳辐照度短期预测方法的建模复杂、准确度低等问题,提出一种基于深度学习的GRU-RF动态权值组合预测方法。大气因素与太阳辐照度数据融合,将运算速度较快且模型复杂度较低的随机森林(RF)模型与带有时序记忆的门控循环单元(GRU)神经网络进行动态权值的加权集成,分别将地表接收到的太阳辐照度、近地层气温、相对湿度、近地层风速和相对气压等变化特征进行预测研究。通过几种模型对比分析,结果表明使用GRU-RF模型预测短时(9 h)太阳辐照度结果较好,运行速度较快,在不同时间间隔(5、10以及15 min)下能够很好地预测太阳辐照度数据。 展开更多
关键词 太阳辐照度 预测 深度学习 门控循环单元网络 随机森林 时间序列
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部