检索结果-南通市图书馆

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多阶段协同处理的水下图像增强

激光与光电子学进展 2024年第8期61卷 353-361页

作者：袁红春赵华龙高凯上海海洋大学信息学院上海201306

设计了一种多阶段水下图像增强模型,可以同时将空间精细纹理和高级上下文信息两种特征融合。模型由三个阶段组成,前两个阶段采用编码器-解码器结构,第三阶段则采用并行注意子网,所提模型可以同时学习空间细节和上下文信息两种特征,并且... 详细信息

设计了一种多阶段水下图像增强模型,可以同时将空间精细纹理和高级上下文信息两种特征融合。模型由三个阶段组成,前两个阶段采用编码器-解码器结构,第三阶段则采用并行注意子网,所提模型可以同时学习空间细节和上下文信息两种特征,并且引入了监督注意力模块,能够加强特征学习,还设计了一个跨阶段特征融合机制用来巩固前后子网的中间特征。最后将所提模型与其他水下增强模型在同一测试集上运行,从运行结果得出,所提模型处理后的水下图像在主观视觉效果和客观评价质量上均优于大部分对比算法,在Test-1测试集上,峰值信噪比和结构相似度分别达到了26.2962 dB和0.8267。

关键词：图像处理水下图像增强多阶段空间细节监督注意力

基于色彩校正和TransFormer细节锐化的水下图像增强

在线全文

学校读者我要写书评

暂无评论

吉林大学学报（工学版） 2024年第3期54卷 785-796页

作者：王德兴高凯袁红春杨钰锐王越孔令栋上海海洋大学信息学院上海201306

针对水下图像对比度低、细节表现差且存在色偏等问题,提出了一种多输入的基于TransFormer和卷积神经网络(CNN)的水下图像复原方法。利用TransFormer和相对总变差(RTV)构造深度特征提取模块,融合RTV提取的纹理图与TransFormer提取到的图... 详细信息

针对水下图像对比度低、细节表现差且存在色偏等问题,提出了一种多输入的基于TransFormer和卷积神经网络(CNN)的水下图像复原方法。利用TransFormer和相对总变差(RTV)构造深度特征提取模块,融合RTV提取的纹理图与TransFormer提取到的图像信息,有效增强了图像的细节特征。利用自动色彩均衡和Lab色彩空间构建色彩校正模块,提升图像对比度,同时校正颜色。利用多项损失函数约束网络收敛,得到增强后的清晰水下图像。最后,将本文方法与其他方法在测试集上进行定量和定性对比分析,实验结果表明,经过本文方法处理后的图像在清晰度、色彩表现和纹理信息方面均优于其他对比方法。

关键词：图像处理水下图像增强 TransFormer 颜色校正细节锐化

基于改进YOLOv5_OBB的中华绒螯蟹旋转目标检测

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

福建农林大学学报（自然科学版） 2024年第2期53卷 284-288页

作者：袁红春白宝来陶磊上海海洋大学信息学院上海201306

【目的】提出一种基于改进YOLOv5_OBB的旋转目标检测方法,快速、准确地检测和定位中华绒螯蟹。【方法】首先,在YOLOv5_OBB的主干网络中引入高效通道注意模块;其次,采用BiFPN网络结构进行特征融合模块设计,实现高效的双向跨尺度连接和加... 详细信息

【目的】提出一种基于改进YOLOv5_OBB的旋转目标检测方法,快速、准确地检测和定位中华绒螯蟹。【方法】首先,在YOLOv5_OBB的主干网络中引入高效通道注意模块;其次,采用BiFPN网络结构进行特征融合模块设计,实现高效的双向跨尺度连接和加权特征融合;最后,采用变焦损失(varifocal loss)解决正负样本不均衡问题。【结果】改进后YOLOv5_OBB模型的P(precision)、R(recall)和mAP(mean average precision)分别达到95.4%、95.2%和90.1%,比原模型分别提高了1.0%、1.9%和1.3%。【结论】该模型能够实时、准确地检测和定位中华绒螯蟹,实现自动化养殖。

关键词：中华绒螯蟹 YOLOv5_OBB 旋转目标检测

基于注意力机制Ghost-YOLOv5的水下垃圾目标检测

在线全文

学校读者我要写书评

暂无评论

环境工程 2022年

作者：袁红春臧天祺上海海洋大学信息学院

水下垃圾的目标检测技术对水下机器人实现垃圾自动清除有着重要意义。然而，复杂的水下环境和水底光线不足导致了检测精度受限、计算量大等问题。针对这些问题，本文提出了一种基于YOLOv5的水下垃圾目标检测的改进算法。在该方法中，预...

水下垃圾的目标检测技术对水下机器人实现垃圾自动清除有着重要意义。然而，复杂的水下环境和水底光线不足导致了检测精度受限、计算量大等问题。针对这些问题，本文提出了一种基于YOLOv5的水下垃圾目标检测的改进算法。在该方法中，预处理部分引入Gamma变换提高水下图像的灰度和对比度，便于模型检测。同时，在YOLOv5检测部分嵌入CBAM注意力机制，以突出目标特征并抑制次要信息，从而提高算法精度。此外，将颈部层中的普通卷积模块替换为Ghost卷积模块，减少计算量，加快检测速度。采用真实环境下的水下垃圾数据集进行模型验证，与当前热门的目标检测算法进行对比，本文提出的方法在分辨率为640×640的图像上的最高检测精度为93.7%，且计算时间仅为6.7ms，满足实时性的要求。研究成果对水下垃圾的目标检测有良好的借鉴意义。

关键词：

基于改进的Yolov8商业渔船电子监控数据中鱼类的检测与识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

大连海洋大学学报 2023年第3期38卷 533-542页

作者：袁红春陶磊上海海洋大学信息学院上海201306

为解决传统商业渔船电子监控数据中鱼类检测与识别任务人工成本高、工作量大等问题,采用基于改进的Yolov8商业渔船电子监控数据中鱼类的检测与识别方法,其中,主干网使用GCBlock结构对远程依赖关系建模,以增加特征提取能力;Neck端使用GSC... 详细信息

为解决传统商业渔船电子监控数据中鱼类检测与识别任务人工成本高、工作量大等问题,采用基于改进的Yolov8商业渔船电子监控数据中鱼类的检测与识别方法,其中,主干网使用GCBlock结构对远程依赖关系建模,以增加特征提取能力;Neck端使用GSConv新型卷积方式,以减少模型计算量;使用SIOU损失函数解决CIOU损失函数的局限性,以提升模型检测精度。结果表明:提出的Yolov8n-GCBlock-GSConv模型在FishNet数据集不同标签L1和L2上的mAP@0.5为43.6%和52.7%,相比原Yolov8n模型分别提高了2.0%和4.3%,计算量为7.7 GFLOPS,比原模型降低了0.5 GFLOPS。研究表明,本研究中提出的Yolov8n-GCBlock-GSConv模型能以更低的成本,快速准确地完成商业渔船电子监控数据中鱼类的检测与识别。

关键词： Yolov8 商业渔船目标检测目标识别网络优化

在线全文

学校读者我要写书评

暂无评论

基于多阶段协同处理的水下图像增强

激光与光电子学进展 2023年

作者：袁红春赵华龙高凯上海海洋大学信息学院

在进行水下图像处理的过程中，常常需要在空间精细纹理和高级上下文信息两种特征之间进行抉择。本文设计了一种多阶段水下图像增强模型，可以同时将两种特征融合。模型由三个阶段组成，前两个阶段采用编码器解码器结构，第三阶段则采用... 详细信息

在进行水下图像处理的过程中，常常需要在空间精细纹理和高级上下文信息两种特征之间进行抉择。本文设计了一种多阶段水下图像增强模型，可以同时将两种特征融合。模型由三个阶段组成，前两个阶段采用编码器解码器结构，第三阶段则采用并行注意子网，模型可以同时学习空间细节和上下文信息两种特征，并且本文引入了监督注意力模块，能够加强特征学习，设计了一个跨阶段特征融合机制用来巩固前后子网的中间特征。最后将模型与其他水下增强模型在同一测试集上运行，从增强结果得出，本文模型处理后的水下图像在主观视觉效果和客观评价质量上均优于大部分对比算法，在Test-1测试集上，峰值信噪比和结构相似度分别达到了26.2962dB和0.8267。

关键词：图像处理水下图像增强多阶段空间细节监督注意力

基于注意力机制及Ghost-YOLOv5的水下垃圾目标检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

环境工程 2023年第7期41卷 214-221页

作者：袁红春臧天祺上海海洋大学信息学院上海201306

水下垃圾的目标检测技术对水下机器人实现垃圾自动清除有着重要意义。然而,复杂的水下环境和水底光线不足,易导致检测精度受限、计算量大等问题。针对这些问题,提出了一种基于YOLOv5的水下垃圾目标检测的改进算法。在该方法中,在预处理... 详细信息

水下垃圾的目标检测技术对水下机器人实现垃圾自动清除有着重要意义。然而,复杂的水下环境和水底光线不足,易导致检测精度受限、计算量大等问题。针对这些问题,提出了一种基于YOLOv5的水下垃圾目标检测的改进算法。在该方法中,在预处理部分引入Gamma变换提高水下图像的灰度和对比度,便于模型检测。同时,在YOLOv5检测部分嵌入CBAM注意力机制,以突出目标特征并抑制次要信息,从而提高算法精度。此外,将颈部层中的普通卷积模块替换为Ghost卷积模块,减少计算量,加快检测速度。采用真实环境下的水下垃圾数据集进行模型验证,与当前热门的目标检测算法进行对比,该方法在分辨率为640×640的图像上的最高检测精度为93.7%,且计算时间仅为6.7 ms,满足实时性的要求。该研究成果对水下垃圾的目标检测具有良好的借鉴意义。

关键词：深度学习水下垃圾检测注意力机制 Gamma转换 Ghost卷积

在线全文

学校读者我要写书评

暂无评论

结合特征融合与物理校正的水下图像增强方法

液晶与显示 2023年第11期38卷 1554-1566页

作者：王德兴杨钰锐袁红春高凯上海海洋大学信息学院上海201306

为解决由于光的吸收和散射现象导致拍摄的水下图像呈现出严重色偏,对比度低等质量问题,本文提出轻量级特征融合网络和多颜色模型校正相结合的水下图像增强方法。首先使用自构建块代替卷积层的编码器和解码器结构的特征融合网络对水下图... 详细信息

为解决由于光的吸收和散射现象导致拍摄的水下图像呈现出严重色偏,对比度低等质量问题,本文提出轻量级特征融合网络和多颜色模型校正相结合的水下图像增强方法。首先使用自构建块代替卷积层的编码器和解码器结构的特征融合网络对水下图像色偏进行校正,网络中改进的特征融合模块降低全连接层对图像空间结构的破坏,保护空间特征,减少模块的参数量。同时改进的注意力模块并行池化计算提取特征图纹理细节且保护背景信息。然后使用多颜色模型校正模块根据像素之间关系进行校正,进一步减少色偏,提高对比度和亮度。实验结果表明,与最新的图像增强方法对比,在有参考图像数据集上,本文方法的NRMSE、PSNR和SSIM评价指标的平均值分别比第二名提升了9.3%、3.7%和2.3%。在无参考图像数据集上,本文方法的UCIQE、IE和NIQE评价指标的平均值比第二名提升了6.0%、2.9%和4.5%。综合主观感知和客观评价,本文方法能校正水下图像色偏,提升对比度和亮度,提高图像质量。

关键词：图像处理神经网络注意力机制颜色模型编码解码结构

融合SimAM注意力机制和双向ConvLSTM的异常检测方法

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2023年第8期44卷 1777-1784页

作者：袁红春张文凤上海海洋大学信息学院上海201306

由于传统的监控视频异常检测和定位往往存在特征选择困难、特征学习不足、泛化性差等问题,本文提出一种融合SimAM注意力机制(A Simple,Parameter-Free Attention Module)和双向ConvLSTM(bidirectional convolutional long short-term memory,BiConvLSTM)的深度残差时空自编码器模型(SimAM Based Residual BiConvLSTM Autoencoder,RS-BCAE)用于捕获视频异常.使用堆叠卷积和双向ConvLSTM捕获时空特征,利用交替反卷积和卷积的特征图增强方法优化网络结构.本文设计一种融合R-STAE(Residual Spatiotemporal Autoencoder)残差模块和SimAM注意力机制的残差网络,SimAM注意力机制无需添加额外参数,利用能量函数为特征图生成三维注意力权重,使CNN(Convolutional Neural Network)专注于提取视频帧序列的显著区域特征.为了联合全局特征和关键特征,本文为残差模块引入跳跃连接.实验结果表明,RS-BCAE在数据集UCSD-Ped1和UCSD-Ped2上的帧级准确率分别为86.5%和94%,优于最新的重构模型精度.

关键词：异常检测视频监控自编码器残差网络注意力机制