检索结果-南通市图书馆

SGT-Net: A Transformer-Based Stratified Graph Convolutional Network for 3D Point Cloud Semantic Segmentation

Computers, Materials & Continua 2024年第6期79卷 4471-4489页

作者： Suyi Liu jianning chi Chengdong Wu Fang Xu Xiaosheng Yu Faculty of Robot Science and Engineering Northeastern UniversityShenyang110167China State Key Laboratory of Robotics Shenyang Institute of AutomationChinese Academy of SciencesShenyang110016China Institutes for Robotics and Intelligent Manufacturing Chinese Academy of SciencesShenyang110169China SIASUN Robot&Automation Co. Ltd.Shenyang110169China

In recent years,semantic segmentation on 3D point cloud data has attracted much *** 2D images where pixels distribute regularly in the image domain,3D point clouds in non-Euclidean space are irregular and inherently ***,it is very difficult to extract long-range contexts and effectively aggregate local features for semantic segmentation in 3D point cloud *** current methods either focus on local feature aggregation or long-range context dependency,but fail to directly establish a global-local feature extractor to complete the point cloud semantic segmentation *** this paper,we propose a Transformer-based stratified graph convolutional network(SGT-Net),which enlarges the effective receptive field and builds direct long-range ***,we first propose a novel dense-sparse sampling strategy that provides dense local vertices and sparse long-distance vertices for subsequent graph convolutional network(GCN).Secondly,we propose a multi-key self-attention mechanism based on the Transformer to further weight augmentation for crucial neighboring relationships and enlarge the effective receptive *** addition,to further improve the efficiency of the network,we propose a similarity measurement module to determine whether the neighborhood near the center point is *** demonstrate the validity and superiority of our method on the S3DIS and ShapeNet *** ablation experiments and segmentation visualization,we verify that the SGT model can improve the performance of the point cloud semantic segmentation.

关键词： 3D point cloud semantic segmentation long-range contexts global-local feature graph convolutional network dense-sparse sampling strategy

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

A Resource Elastic Scheduling Algorithm of Service Platform for Cloud Robotics

A Resource Elastic Scheduling Algorithm of Service Platform ...

引用

第32届中国控制与决策会议

作者： Ji Peng Chu Hao chi jianning Jiang Jingqi Faculty of Robot Science and Engineering Northeastern University

ISBN: (数字)9781728158556

ISBN: (纸本)9781728158556;9781728158563

Cloud computing can offer the robots high performance computing resources,and the big data stored on cloud platform can enhance significantly autonomy and collaborative capacity of ***,a platform as a service level cloud platform is essential,which should provide the ability of reusing the achievements of robotics and support that multi robots can access the cloud services on *** ensure that the robots functional services can have a better performance of computing in high or low loads,and improve the resource utilization efficiency of service platform,there is a flexible container capacity scheduling algorithm in the resource management *** the actual operation situation of different robotic services,this algorithm calculates the average load according to the CPU usage,memory usage and network usage of containers,and performs capacity elastic scheduling operation by preset upper and lower *** the period of resource flexibility expansion,users will not perceive the dynamic scheduling of functional service capacity,which ensures the stability of the platform.

关键词： Cloud robotics Docker container technology Service Platform Resource elastic scheduling Load balancing

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

Human Pose Estimation Based Pre-training Model and Efficient High-Resolution Representation

Human Pose Estimation Based Pre-training Model and Efficient...

引用

第40届中国控制会议

作者： Jinchen Wen jianning chi Chengdong Wu Xiaosheng Yu College of Information Science and Engineering Northeastern University College of Robot Science and Engineering Northeastern University

With the continuous development of computer vision technology,deep learning technology has been well applied in human pose ***,the latest human pose estimation algorithms can not solve the problem of interdependence and occlusion between joints,so the key point detection in human pose estimation is still a challenging *** this paper,a method based on masked pre-training model and lightweight SHNet combined method,random occlusion is performed on the key points of the human body in the picture,and the pre-training model is used to predict them,so that the problems of mutual occlusion and interdependence can be *** show that the algorithm is effective in key point detection of MPII and COCO 2017 datasets.

关键词： Pose Estimation High-Resolution Representation Pre-training Model

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

Multi-level Feature Fusion Facial Expression Recognition Network

Multi-level Feature Fusion Facial Expression Recognition Net...

引用

第32届中国控制与决策会议

作者： Qian Hu Chengdong Wu jianning chi Xiaosheng Yu Huan Wang College of Information Science and Engineering Northeastern University College of Robot Science and Engineering Northeastern University

In order to solve the problems of face features extraction and the long time consuming in network training,we propose a facial expression recognition network based on multi-level feature fusion *** network structure consists of the following three parts:The multi-level feature fusion block;The multi-granularity feature extraction unit;The global feature fusion structure composed of global residual *** evaluated our proposed algorithm on the CK+dataset and FER2013 dataset,and finally achieved 94.07% accuracy and 65.4% accuracy *** results show that our algorithm can effectively improve the accuracy of expression recognition tasks.

关键词： Expression recognition Deep learning Convolutional neural network Multi-level feature fusion Multigranularity feature extraction

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

A Deeply Supervised Convolutional Neural Network for Brain Tumor Segmentation

A Deeply Supervised Convolutional Neural Network for Brain T...

引用

第三十九届中国控制会议

作者： Bingbing Li Chengdong Wu jianning chi Xiaosheng Yu Gang Wang College of Information Science and Engineering Northeastern University College of Robot Science and Engineering Northeastern University Shanxi Xinhua Chemical Co. Ltd.

Automated segmentation of brain tumor is of great importance for the diagnosis and treatment. Although manual segmentation could achieve high accuracy, it is time and labor consuming, and not available batch processing. Recently, deep neural networks represented by U-Net have been successfully applied on medical image segmentation and achieved state-of-the-art performance. However, there is no standard segmentation method that can produce desirable results for all images, various segmentation methods are optimized to deal with specific areas and imaging modes, which have strong pertinence. In this paper, we propose a U-Net like by integrating residual blocks, convolutions with dense connection and auxiliary outputs for multi-class brain tumor segmentation. Firstly, residual blocks are used in the contracting and expanding path to extract deep semantic information of images. Secondly, densely connected convolutions are applied in the last layer of contracting path to strengthen feature propagation and feature reuse. Three auxiliary outputs are then employed as deep supervision before each upper sampling to decrease the probabilities of vanishing gradient and avoid overfitting. Finally, we use weighted cross entropy and generalized dice loss as a fused loss function to address the class imbalance problem in brain tumor data. The proposed model is evaluated on the BraTS 2018 training dataset and achieves state-of-the-art performance, with average dice scores of 0.884, 0.806, 0.702 for the whole tumor, tumor core and enhancing tumor core, respectively.

关键词： Brain tumor Segmentation Convolutional neural network Deep supervision

来源： cnki会议评论

在线全文

cnki会议

学校读者我要写书评

暂无评论

基于递归切片网络的三维点云语义分割与实例分割

引用

中国图象图形学报 2023年第7期28卷 2135-2150页

作者：刘苏毅迟剑宁吴成东徐方东北大学机器人科学与工程学院沈阳110167 沈阳新松机器人自动化股份有限公司中央研究院沈阳110180

目的针对三维点云语义与实例分割特征点提取精度不高、实例分割精度极度依赖语义分割的性能、在密集场景或小单元分割目标中出现语义类别错分以及实例边缘模糊等问题,提出了基于递归切片网络的三维点云语义分割与实例分割网络。方法网... 详细信息

目的针对三维点云语义与实例分割特征点提取精度不高、实例分割精度极度依赖语义分割的性能、在密集场景或小单元分割目标中出现语义类别错分以及实例边缘模糊等问题,提出了基于递归切片网络的三维点云语义分割与实例分割网络。方法网络对输入点云进行切片,并将无序点云映射到有序序列上;利用双向长短期记忆网络(bidirectional long short-term memory,BiLSTM)得到带有局部特征和全局特征的编码特征矩阵;将编码特征矩阵解码为两个并行分支,进行多尺度的特征融合;对语义与实例特征进行融合,得到并行的语义与实例分割网络。结果在斯坦福大尺度3D室内场景数据集(Stanford large-scale 3D indoor spaces dataset,S3DIS)以及ShapeNet数据集上,与目前最新点云分割方法进行实验对比。实验结果表明,在S3DIS数据集上,本文算法的语义分割的平均交并比指标为73%,较动态核卷积方法(position adaptive convolution,PAConv)提高7.4%,并且在13个类别中的8个类别取得最好成绩;实例分割中平均实例覆盖率指标为67.7%。在ShapeNet数据集上,语义分割的平均交并比为89.2%,较PAConv算法提高4.6%,较快速、鲁棒的点云语义与实例分割方法(fast and robust joint semantic-instance segmentation,3DCFS)提高1.6%。结论本文提出的语义与实例分割融合网络,综合了语义分割与实例分割的优点,有效提高语义分割与实例分割精度。

关键词：三维点云语义分割实例分割递归切片网络(RSNet) 语义特征实例特征特征融合

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

融合深度网络和浅层纹理特征的甲状腺结节癌变超声图像诊断

引用

中国图象图形学报 2018年第10期23卷 1582-1593页

作者：迟剑宁于晓升张艺菲东北大学机器人科学与工程学院沈阳110819

目的在甲状腺结节图像中对甲状腺结节进行良恶性分析,对于甲状腺癌的早期诊断有着重要的意义。随着医疗影像学的发展,大部分的早期甲状腺结节可以在超声图像中准确地检测出来,但对于结节的性质仍然缺乏准确的判断。因此,为实现更为准确... 详细信息

目的在甲状腺结节图像中对甲状腺结节进行良恶性分析,对于甲状腺癌的早期诊断有着重要的意义。随着医疗影像学的发展,大部分的早期甲状腺结节可以在超声图像中准确地检测出来,但对于结节的性质仍然缺乏准确的判断。因此,为实现更为准确的早期甲状腺结节良恶性超声图像诊断,避免不必要的针刺或其他病理活检手术、减轻病患生理痛苦和心理压力及其医疗费用,提出一种基于深度网络和浅层纹理特征融合的甲状腺结节良恶性分类新算法。方法本文提出的甲状腺结节分类算法由4步组成。首先对超声图像进行尺度配准、人工标记以及图像复原去除以增强图像质量。然后,对增强的图像进行数据扩展,并作为训练集对预训练过的GoogLeNet卷积神经网络进行迁移学习以提取图像中的深度特征。同时,提取图像的旋转不变性局部二值模式(LBP)特征作为图像的纹理特征。最后,将深度特征与图像的纹理特征相融合并输入至代价敏感随机森林分类器中对图像进行良恶性分类。结果本文方法在标准的甲状腺结节癌变数据集上对甲状腺结节图像取得了正确率99. 15%,敏感性99. 73%,特异性95. 85%以及ROC曲线下面积0. 997 0的的好成绩,优于现有的甲状腺结节图像分类方法。结论实验结果表明,图像的深度特征可以描述医疗超声图像中病灶的整体感官特征,而浅层次纹理特征则可以描述超声图像的边缘、灰度分布等特征,将二者统一的融合特征则可以更为全面地描述图像中病灶区域与非病灶区域之间的差异以及不同病灶性质之间的差异。因此,本文方法可以准确地对甲状腺结节进行分类从而避免不必要手术、减轻病患痛苦和压力。

关键词：超声图像分类甲状腺结节计算机辅助诊断深度学习卷积神经网络迁移学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

联合多任务学习的人脸超分辨率重建

引用

中国图象图形学报 2020年第2期25卷 229-240页

作者：王欢吴成东迟剑宁于晓升胡倩东北大学信息科学与工程学院沈阳110819 东北大学机器人科学与工程学院沈阳110819

目的人脸超分辨率重建是特定应用领域的超分辨率问题,为了充分利用面部先验知识,提出一种基于多任务联合学习的深度人脸超分辨率重建算法。方法首先使用残差学习和对称式跨层连接网络提取低分辨率人脸的多层次特征,根据不同任务的学习... 详细信息

目的人脸超分辨率重建是特定应用领域的超分辨率问题,为了充分利用面部先验知识,提出一种基于多任务联合学习的深度人脸超分辨率重建算法。方法首先使用残差学习和对称式跨层连接网络提取低分辨率人脸的多层次特征,根据不同任务的学习难易程度设置损失权重和损失阈值,对网络进行多属性联合学习训练。然后使用感知损失函数衡量HR(high-resolution)图像与SR(super-resolution)图像在语义层面的差距,并论证感知损失在提高人脸语义信息重建效果方面的有效性。最后对人脸属性数据集进行增强,在此基础上进行联合多任务学习,以获得视觉感知效果更加真实的超分辨率结果。结果使用峰值信噪比(PSNR)和结构相似度(SSIM)两个客观评价标准对实验结果进行评价,并与其他主流方法进行对比。实验结果显示,在人脸属性数据集(Celeb A)上,在放大8倍时,与通用超分辨率MemNet(persistent memory network)算法和人脸超分辨率FSRNet(end-to-end learning face super-resolution network)算法相比,本文算法的PSNR分别提升约2.15 d B和1.2 d B。结论实验数据与效果图表明本文算法可以更好地利用人脸先验知识,产生在视觉感知上更加真实和清晰的人脸边缘和纹理细节。

关键词：多任务联合学习图像修复深度学习超分辨率感知损失

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

双层水平集描述眼底图像视杯视盘分割

引用

中国图象图形学报 2020年第6期25卷 1260-1270页

作者：王莹于晓升迟剑宁雷晓亮吴成东东北大学信息科学与工程学院沈阳110819 东北大学机器人科学与工程学院沈阳110819

目的青光眼是一种可导致视力严重减弱甚至失明的高发眼部疾病。在眼底图像中,视杯和视盘的检测是青光眼临床诊断的重要步骤之一。然而,眼底图像普遍是灰度不均匀的,眼底结构复杂,不同结构之间的灰度重叠较多,受到血管和病变的干扰较为... 详细信息

目的青光眼是一种可导致视力严重减弱甚至失明的高发眼部疾病。在眼底图像中,视杯和视盘的检测是青光眼临床诊断的重要步骤之一。然而,眼底图像普遍是灰度不均匀的,眼底结构复杂,不同结构之间的灰度重叠较多,受到血管和病变的干扰较为严重。这些都给视盘与视杯的分割带来很大挑战。因此,为了更准确地提取眼底图像中的视杯和视盘区域,提出一种基于双层水平集描述的眼底图像视杯视盘分割方法。方法通过水平集函数的不同层级分别表示视杯轮廓和视盘轮廓,依据视杯与视盘间的位置关系建立距离约束,应用图像的局部信息驱动活动轮廓演化,克服图像的灰度不均匀性。根据视杯与视盘的几何形状特征,引入视杯与视盘形状的先验信息约束活动轮廓的演化,从而实现视杯与视盘的准确分割。结果本文使用印度Aravind眼科医院提供的具有视杯和视盘真实轮廓注释的CDRISHTI-GS1数据集对本文方法进行实验验证。该数据集主要用来验证视杯及视盘分割方法的鲁棒性和有效性。本文方法在数据集上对视杯和视盘区域进行分割,取得了67.52%的视杯平均重叠率,81.04%的视盘平均重叠率,0.719的视杯F1分数和0.845的视盘F1分数,结果优于基于COSFIRE(combination of shifted filter responses)滤波模型的视杯视盘分割方法、基于先验形状约束的多相Chan-Vese(C-V)模型和基于聚类融合的水平集方法。结论实验结果表明,本文方法能够有效克服眼底图像灰度不均匀、血管及病变区域的干扰等影响,更为准确地提取视杯与视盘区域。

关键词：眼底图像双层水平集方法视杯分割视盘分割形状先验约束

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

稀疏形状先验的脑肿瘤图像分割

引用

中国图象图形学报 2019年第12期24卷 2222-2232页

作者：雷晓亮于晓升迟剑宁王莹吴成东东北大学信息科学与工程学院沈阳110819 东北大学机器人科学与工程学院沈阳110819

目的在脑部肿瘤图像的分析过程中,准确分割出肿瘤区域对于计算机辅助脑部肿瘤疾病的诊断及治疗过程具有重要意义。然而,由于脑部图像常存在结构复杂、边界模糊、灰度不均以及肿瘤内部存在明暗区域的问题,使得肿瘤图像分割工作面临严峻... 详细信息

目的在脑部肿瘤图像的分析过程中,准确分割出肿瘤区域对于计算机辅助脑部肿瘤疾病的诊断及治疗过程具有重要意义。然而,由于脑部图像常存在结构复杂、边界模糊、灰度不均以及肿瘤内部存在明暗区域的问题,使得肿瘤图像分割工作面临严峻挑战。为了克服上述困难,更好地实现脑部肿瘤图像分割,提出一种基于稀疏形状先验的脑肿瘤图像分割算法。方法首先,研究脑部肿瘤图像的配准与形状描述,并以此为基础构建脑部肿瘤的稀疏形状先验约束模型;继而,将该稀疏形状先验约束模型与区域能量描述方法相结合,构建基于稀疏形状先验的能量函数;最后,对能量函数进行优化及迭代,输出脑部肿瘤区域分割结果。结果本文使用脑胶质瘤公开数据集BraTS2017进行算法测试,本文算法的分割结果与真实数据之间的平均相似度达到93.97%,灵敏度达到91.3%,阳性预测率达到95.9%。本文算法的实验准确度较高,误判率较低,鲁棒性较强。结论本文算法能够结合水平集方法在拓扑结构描述和稀疏表达方法在复杂形状表达方面的优势,同时由于加入了形状约束,能够有效削弱肿瘤内部明暗区域对分割结果造成的影响,从而更准确和稳定地实现脑部肿瘤图像分割。

关键词：脑肿瘤图像分割稀疏约束形状先验水平集

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：