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
融合BiFPN和改进Yolov3-tiny网络的航拍图像车辆检测方法
被引量：
20
1
作者
鲁博
瞿绍军
《小型微型计算机系统》
CSCD
北大核心
2021年第8期1694-1698,共5页
航拍车辆检测能够从航拍图像中检测出车辆的位置和种类信息,可以为与车辆相关的应用问题提供重要信息支撑.为满足实际运用的要求,需要保证目标检测算法的速度与精度.通常精度较高的深度学习目标检测模型速度较慢,而速度优势明显的简单...
航拍车辆检测能够从航拍图像中检测出车辆的位置和种类信息,可以为与车辆相关的应用问题提供重要信息支撑.为满足实际运用的要求,需要保证目标检测算法的速度与精度.通常精度较高的深度学习目标检测模型速度较慢,而速度优势明显的简单网络结构算法精度难以满足实际需求.针对这一需求与特性,提出了一种航拍图像车辆目标检测算法,在牺牲微量速度的情况下极大提升检测精度.选择Yolov3-tiny的主干网作为主干网,同时引入BiFPN特征金字塔结构与主干网结合以增进多层次特征的融合,提出一种新的上采样结构,替换原有网络中的上采样结构.在vedai数据集上进行实验,与Yolov3相比,每秒检测帧(fps)与检测精度(map)分别提升了73%、6%.与Yolov3-tiny相比,虽然fps下降了5%,帧数减少2帧,但map提升了9.6%,与ssd、mobilenetv3、efficientnet相比,无论是检测精度还是检测速度都具有明显优势,提出方法的map达到了87.6%.本文所提出的Bi-Yolov3-tiny模型与上采样结构综合了轻量级网络和复杂结构网络的优点,使得航拍图像车辆检测的效果更加精准的同时也保持了较快的速度.
展开更多
关键词
车辆检测
目标检测
Yolov3
上采样
特征金字塔
小目标
在线阅读
下载PDF
职称材料
全卷积注意力机制神经网络的图像语义分割
被引量：
16
2
作者
欧阳柳
贺禧
瞿绍军
《计算机科学与探索》
CSCD
北大核心
2022年第5期1136-1145,共10页
全卷积神经网络是一种强大的端到端的模型,在语义分割领域应用广泛,获得了巨大的成功。研究人员提出了一系列基于完全卷积神经网络的方法,但是随着卷积和池化的持续性下采样,图像的上下文信息将会丢失,影响了像素级分类。针对完全卷积...
全卷积神经网络是一种强大的端到端的模型,在语义分割领域应用广泛,获得了巨大的成功。研究人员提出了一系列基于完全卷积神经网络的方法,但是随着卷积和池化的持续性下采样,图像的上下文信息将会丢失,影响了像素级分类。针对完全卷积网络上下文信息丢失问题,提出基于像素的注意力方法。该方法利用计算高级特征图像素之间的联系来获取全局信息,增强像素之间的相关性,再结合空洞空间金字塔池化进一步提取图像的特征信息。针对图像的高层特征图像素丢失的问题,提出了基于图像不同层级的注意力方法。该方法将高层特征图中的信息作为指导对低层特征图中隐藏的信息进行挖掘,然后和高级特征图进行融合,充分利用高级特征图信息和低级特征图的信息。在实验方面,通过对比所提不同模块对全卷积神经网络分割性能的影响,验证了所提方法的有效性。同时在公认的图像语义分割数据集Cityscapes上与当前先进的网络进行实验对比,结果显示所提方法在客观评价指标和主观效果方面均存在优越性,并在Cityscapes官网测试集中达到了69.3%的准确率,性能比近期几个先进网络高出3~5个百分点。
展开更多
关键词
全卷积神经网络
空洞空间金字塔池化
注意力模型
语义分割
在线阅读
下载PDF
职称材料
融合注意力机制的端到端的街道场景语义分割
被引量：
2
3
作者
吴琼
瞿绍军
《小型微型计算机系统》
CSCD
北大核心
2023年第7期1514-1520,共7页
随着注意力机制的出现,研究人员开始通过对神经网络的特征图中的不同关注角度添加注意力机制来提升图像语义分割准确率.现有融合注意力机制的方法,大多通过计算像素与其它像素之间的关系来求得该像素点的注意力权值,这些方法提升效果具...
随着注意力机制的出现,研究人员开始通过对神经网络的特征图中的不同关注角度添加注意力机制来提升图像语义分割准确率.现有融合注意力机制的方法,大多通过计算像素与其它像素之间的关系来求得该像素点的注意力权值,这些方法提升效果具有局限性.针对以上问题,设计了两种不同的注意力模块:空间-条形注意力和通道注意力,提出了一种融合注意力机制的端到端的街道场景语义分割方法.空间-条形注意力采用两种不同条形池化核,捕获条形分布区域之间的长距离依赖关系,可以有效捕获局部和全局上下文信息.在Cityscapes数据集上的实验表明,该算法在验证集和测试集上的分割精度分别为76.89%、77.8%,与现有的算法相比有更好的表现.本文结合人类视觉注意力的特点,提出的两个注意力模型,使得街道场景下的语义分割效果更加准确.
展开更多
关键词
注意力机制
全卷积网络
条形池化
语义分割
在线阅读
下载PDF
职称材料
题名
融合BiFPN和改进Yolov3-tiny网络的航拍图像车辆检测方法
被引量：
20
1
作者
鲁博
瞿绍军
机构
湖南师范大学
信息科学与工程
学院
湖南师范大学湖南湘江人工智能学院
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第8期1694-1698,共5页
基金
国家自然科学基金项目(12071126)资助
湖南省教育厅科学研究项目(19C1149)资助。
文摘
航拍车辆检测能够从航拍图像中检测出车辆的位置和种类信息,可以为与车辆相关的应用问题提供重要信息支撑.为满足实际运用的要求,需要保证目标检测算法的速度与精度.通常精度较高的深度学习目标检测模型速度较慢,而速度优势明显的简单网络结构算法精度难以满足实际需求.针对这一需求与特性,提出了一种航拍图像车辆目标检测算法,在牺牲微量速度的情况下极大提升检测精度.选择Yolov3-tiny的主干网作为主干网,同时引入BiFPN特征金字塔结构与主干网结合以增进多层次特征的融合,提出一种新的上采样结构,替换原有网络中的上采样结构.在vedai数据集上进行实验,与Yolov3相比,每秒检测帧(fps)与检测精度(map)分别提升了73%、6%.与Yolov3-tiny相比,虽然fps下降了5%,帧数减少2帧,但map提升了9.6%,与ssd、mobilenetv3、efficientnet相比,无论是检测精度还是检测速度都具有明显优势,提出方法的map达到了87.6%.本文所提出的Bi-Yolov3-tiny模型与上采样结构综合了轻量级网络和复杂结构网络的优点,使得航拍图像车辆检测的效果更加精准的同时也保持了较快的速度.
关键词
车辆检测
目标检测
Yolov3
上采样
特征金字塔
小目标
Keywords
vehicle detection
object detection
Yolov3
up sampling
feature pyramid
small object
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
全卷积注意力机制神经网络的图像语义分割
被引量：
16
2
作者
欧阳柳
贺禧
瞿绍军
机构
湖南师范大学
信息科学与工程
学院
湖南师范大学湖南湘江人工智能学院
出处
《计算机科学与探索》
CSCD
北大核心
2022年第5期1136-1145,共10页
基金
国家自然科学基金(12071126)
湖南省教育厅科学研究项目(19C1149)
国家级大学生创新创业训练计划项目(S202010542021)。
文摘
全卷积神经网络是一种强大的端到端的模型,在语义分割领域应用广泛,获得了巨大的成功。研究人员提出了一系列基于完全卷积神经网络的方法,但是随着卷积和池化的持续性下采样,图像的上下文信息将会丢失,影响了像素级分类。针对完全卷积网络上下文信息丢失问题,提出基于像素的注意力方法。该方法利用计算高级特征图像素之间的联系来获取全局信息,增强像素之间的相关性,再结合空洞空间金字塔池化进一步提取图像的特征信息。针对图像的高层特征图像素丢失的问题,提出了基于图像不同层级的注意力方法。该方法将高层特征图中的信息作为指导对低层特征图中隐藏的信息进行挖掘,然后和高级特征图进行融合,充分利用高级特征图信息和低级特征图的信息。在实验方面,通过对比所提不同模块对全卷积神经网络分割性能的影响,验证了所提方法的有效性。同时在公认的图像语义分割数据集Cityscapes上与当前先进的网络进行实验对比,结果显示所提方法在客观评价指标和主观效果方面均存在优越性,并在Cityscapes官网测试集中达到了69.3%的准确率,性能比近期几个先进网络高出3~5个百分点。
关键词
全卷积神经网络
空洞空间金字塔池化
注意力模型
语义分割
Keywords
fully convolutional neural network
atrous spatial pyramid pooling
attention module
semantic segmentation
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
融合注意力机制的端到端的街道场景语义分割
被引量：
2
3
作者
吴琼
瞿绍军
机构
湖南师范大学
信息科学与工程
学院
湖南师范大学湖南湘江人工智能学院
出处
《小型微型计算机系统》
CSCD
北大核心
2023年第7期1514-1520,共7页
基金
国家自然科学基金项目(12071126)资助
湖南省教育厅科学研究项目(19C1149)资助。
文摘
随着注意力机制的出现,研究人员开始通过对神经网络的特征图中的不同关注角度添加注意力机制来提升图像语义分割准确率.现有融合注意力机制的方法,大多通过计算像素与其它像素之间的关系来求得该像素点的注意力权值,这些方法提升效果具有局限性.针对以上问题,设计了两种不同的注意力模块:空间-条形注意力和通道注意力,提出了一种融合注意力机制的端到端的街道场景语义分割方法.空间-条形注意力采用两种不同条形池化核,捕获条形分布区域之间的长距离依赖关系,可以有效捕获局部和全局上下文信息.在Cityscapes数据集上的实验表明,该算法在验证集和测试集上的分割精度分别为76.89%、77.8%,与现有的算法相比有更好的表现.本文结合人类视觉注意力的特点,提出的两个注意力模型,使得街道场景下的语义分割效果更加准确.
关键词
注意力机制
全卷积网络
条形池化
语义分割
Keywords
attention mechanism
fully convolution network
bar pooling
semantic segmentation
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
融合BiFPN和改进Yolov3-tiny网络的航拍图像车辆检测方法
鲁博
瞿绍军
《小型微型计算机系统》
CSCD
北大核心
2021
20
在线阅读
下载PDF
职称材料
2
全卷积注意力机制神经网络的图像语义分割
欧阳柳
贺禧
瞿绍军
《计算机科学与探索》
CSCD
北大核心
2022
16
在线阅读
下载PDF
职称材料
3
融合注意力机制的端到端的街道场景语义分割
吴琼
瞿绍军
《小型微型计算机系统》
CSCD
北大核心
2023
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
