期刊导航
期刊开放获取
上海教育软件发展有限公..
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
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
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于无源领域自适应的低光照显著性目标检测
1
作者
李书玮
黄正翔
+5 位作者
胡云
刘兴
卢笑
郭畅
吴成中
王耀南
《计算机工程》
北大核心
2025年第4期75-84,共10页
为了解决低光照条件下校园环境等场景监控摄像头图像质量和监控效果受影响而带来的安全问题,提出一种低光照显著性目标检测(SOD)方法,以提高低光照条件下目标检测能力。针对低光照条件下图像的显著性特征弱化和缺乏大规模标注数据的问题...
为了解决低光照条件下校园环境等场景监控摄像头图像质量和监控效果受影响而带来的安全问题,提出一种低光照显著性目标检测(SOD)方法,以提高低光照条件下目标检测能力。针对低光照条件下图像的显著性特征弱化和缺乏大规模标注数据的问题,提出一种无源领域自适应(SFDA)方法,将正常光照图像(源域)下训练的模型知识迁移至低光照条件图像(目标域)。该方法采用两阶段策略:在第一阶段,利用源域模型生成低光照图像的伪标签,为提高伪标签生成的质量,提出集合熵最小化损失抑制高熵区域,同时引入选择性投票方法来增强伪标签的生成;在第二阶段,采用基于增强引导一致性的教师-学生网络自训练方法对显著图进行精细化,进一步提高检测结果的精度。在SOD-LL数据集上的实验结果表明,所提出的方法在低光照场景下总体性能优于其他图像显著性检测方法,相较于正常光照的SOD方法,其平均绝对误差(MAE)降低15.15%,加权F1值(wFm)提高4.73%。
展开更多
关键词
显著性目标检测
低光照场景
无源领域自适应
伪标签
教师-学生网络
集合熵最小化
选择性投票
在线阅读
下载PDF
职称材料
基于多通道特征融合学习的印制电路板小目标缺陷检测
被引量：
7
2
作者
张莹
邓华宣
+2 位作者
王耀南
吴成中
吴琳
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024年第5期10-19,共10页
提出了一种多通道特征融合学习的印制电路板小目标缺陷检测网络YOLOPCB,首先删除YOLOv7主干网络中最后一组MPConv层与E-ELAN层,去掉融合层的ECU模块与20×20的预测头,使用跨通道信息连接模块串联精简后的主干和融合网络;其次设计了...
提出了一种多通道特征融合学习的印制电路板小目标缺陷检测网络YOLOPCB,首先删除YOLOv7主干网络中最后一组MPConv层与E-ELAN层,去掉融合层的ECU模块与20×20的预测头,使用跨通道信息连接模块串联精简后的主干和融合网络;其次设计了浅层特征融合模块与新的anchors匹配策略,增加了两个低层次、高分辨率检测头;最后将YOLOv7主干网络中的3个E-ELAN作为输入,将融合层中最底部的E-ELAN和两个拼接模块作为输出,使用自适应加权跳层连接以增加同维度内信息量。在PCB Defect公开数据集上平均精度达到94.9%,检测速度达到45.6 fps;最后在企业现场制作的Self-PCB数据集中,YOLOPCB达到了最高精度76.7%,比YOLOv7检测精度提升了6.8%,能有效提高印制电路板小目标缺陷检测能力。
展开更多
关键词
印制电路板
小目标检测
图像特征提取
多特征融合
自适应加权融合算法
在线阅读
下载PDF
职称材料
融合注意力谱非局部块的视网膜图像质量分级
被引量：
2
3
作者
梁礼明
董信
+2 位作者
雷坤
夏雨辰
吴健
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第4期102-113,共12页
视网膜图像质量评估(RIQA)是筛查糖尿病视网膜病变的关键组成部分之一。针对视网膜图像质量差异大且质量评估模型泛化能力不足等问题,提出一种融合注意力谱非局部块的多特征算法来对RIQA进行预测分级。首先采用融合光谱非局部块的ResNe...
视网膜图像质量评估(RIQA)是筛查糖尿病视网膜病变的关键组成部分之一。针对视网膜图像质量差异大且质量评估模型泛化能力不足等问题,提出一种融合注意力谱非局部块的多特征算法来对RIQA进行预测分级。首先采用融合光谱非局部块的ResNet50网络对输入图像进行特征提取;其次引入高效通道注意力用于提升模型对数据的表达能力,有效捕获通道间特征信息关系;再次利用特征迭代注意力融合模块对各局部特征信息融合;最后联合焦点损失和正则损失进一步提高质量分级的效果。在Eye-Quality数据集上准确率为88.59%,精确度为87.56%,敏感度和F1值分别为86.10%和86.74%。在RIQA-RFMiD数据集上准确率和F1值分别为84.22%和67.17%,仿真实验表明,文中算法对视网膜图像质量评估任务中具有较好的泛化能力。
展开更多
关键词
视网膜图像质量分级
谱非局部块
注意力机制
特征迭代融合
组合损失
在线阅读
下载PDF
职称材料
题名
基于无源领域自适应的低光照显著性目标检测
1
作者
李书玮
黄正翔
胡云
刘兴
卢笑
郭畅
吴成中
王耀南
机构
湖南师范大学工程与设计学院
智能传感与康复机器人湖南省高校重点实验室
江西省通讯终端产业技术研究院有限公司
出处
《计算机工程》
北大核心
2025年第4期75-84,共10页
基金
国家自然科学基金(62007007,62277004)
湖南省学位与研究生教学改革研究重点项目(2022JGZD026)
+2 种基金
湖南省自然科学基金(2023JJ30415,2022JJ30395)
江西省重大科技研发专项项目(20232ACC01007,20232ABC03A09)
吉安市科技计划“揭榜挂帅”项目(20233TGV06020)。
文摘
为了解决低光照条件下校园环境等场景监控摄像头图像质量和监控效果受影响而带来的安全问题,提出一种低光照显著性目标检测(SOD)方法,以提高低光照条件下目标检测能力。针对低光照条件下图像的显著性特征弱化和缺乏大规模标注数据的问题,提出一种无源领域自适应(SFDA)方法,将正常光照图像(源域)下训练的模型知识迁移至低光照条件图像(目标域)。该方法采用两阶段策略:在第一阶段,利用源域模型生成低光照图像的伪标签,为提高伪标签生成的质量,提出集合熵最小化损失抑制高熵区域,同时引入选择性投票方法来增强伪标签的生成;在第二阶段,采用基于增强引导一致性的教师-学生网络自训练方法对显著图进行精细化,进一步提高检测结果的精度。在SOD-LL数据集上的实验结果表明,所提出的方法在低光照场景下总体性能优于其他图像显著性检测方法,相较于正常光照的SOD方法,其平均绝对误差(MAE)降低15.15%,加权F1值(wFm)提高4.73%。
关键词
显著性目标检测
低光照场景
无源领域自适应
伪标签
教师-学生网络
集合熵最小化
选择性投票
Keywords
Salient Object Detection(SOD)
low-light scenes
Source-Free Domain Adaption(SFDA)
pseudolabel
teacher-student network
ensemble entropy minimization
selective voting
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于多通道特征融合学习的印制电路板小目标缺陷检测
被引量：
7
2
作者
张莹
邓华宣
王耀南
吴成中
吴琳
机构
湘潭大学自动化与电子信息学院
机器人视觉感知与控制
技术
国家工程
研究
中心
江西省通讯终端产业技术研究院有限公司
出处
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024年第5期10-19,共10页
基金
江西省重大科技研发专项(20232ACC01007)资助。
文摘
提出了一种多通道特征融合学习的印制电路板小目标缺陷检测网络YOLOPCB,首先删除YOLOv7主干网络中最后一组MPConv层与E-ELAN层,去掉融合层的ECU模块与20×20的预测头,使用跨通道信息连接模块串联精简后的主干和融合网络;其次设计了浅层特征融合模块与新的anchors匹配策略,增加了两个低层次、高分辨率检测头;最后将YOLOv7主干网络中的3个E-ELAN作为输入,将融合层中最底部的E-ELAN和两个拼接模块作为输出,使用自适应加权跳层连接以增加同维度内信息量。在PCB Defect公开数据集上平均精度达到94.9%,检测速度达到45.6 fps;最后在企业现场制作的Self-PCB数据集中,YOLOPCB达到了最高精度76.7%,比YOLOv7检测精度提升了6.8%,能有效提高印制电路板小目标缺陷检测能力。
关键词
印制电路板
小目标检测
图像特征提取
多特征融合
自适应加权融合算法
Keywords
printed circuit boards
small target detection
image feature extraction
multi-feature fusion
adaptive weight fusion algorithm
分类号
TH701 [机械工程—精密仪器及机械]
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
融合注意力谱非局部块的视网膜图像质量分级
被引量：
2
3
作者
梁礼明
董信
雷坤
夏雨辰
吴健
机构
江西
理工大学电气工程与自动化学院
江西省通讯终端产业技术研究院有限公司
出处
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2024年第4期102-113,共12页
基金
国家自然科学基金(51365017,61463018)
江西省自然科学基金(20192BAB205084)
江西省教育厅科学技术研究重点项目(GJJ2200848)。
文摘
视网膜图像质量评估(RIQA)是筛查糖尿病视网膜病变的关键组成部分之一。针对视网膜图像质量差异大且质量评估模型泛化能力不足等问题,提出一种融合注意力谱非局部块的多特征算法来对RIQA进行预测分级。首先采用融合光谱非局部块的ResNet50网络对输入图像进行特征提取;其次引入高效通道注意力用于提升模型对数据的表达能力,有效捕获通道间特征信息关系;再次利用特征迭代注意力融合模块对各局部特征信息融合;最后联合焦点损失和正则损失进一步提高质量分级的效果。在Eye-Quality数据集上准确率为88.59%,精确度为87.56%,敏感度和F1值分别为86.10%和86.74%。在RIQA-RFMiD数据集上准确率和F1值分别为84.22%和67.17%,仿真实验表明,文中算法对视网膜图像质量评估任务中具有较好的泛化能力。
关键词
视网膜图像质量分级
谱非局部块
注意力机制
特征迭代融合
组合损失
Keywords
retinal image quality grading
spectral non-local blocks
attention mechanisms
feature iterative fusion
combined losses
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于无源领域自适应的低光照显著性目标检测
李书玮
黄正翔
胡云
刘兴
卢笑
郭畅
吴成中
王耀南
《计算机工程》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
基于多通道特征融合学习的印制电路板小目标缺陷检测
张莹
邓华宣
王耀南
吴成中
吴琳
《仪器仪表学报》
EI
CAS
CSCD
北大核心
2024
7
在线阅读
下载PDF
职称材料
3
融合注意力谱非局部块的视网膜图像质量分级
梁礼明
董信
雷坤
夏雨辰
吴健
《西安电子科技大学学报》
EI
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
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
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
