检索结果-南通市图书馆

维普期刊数据库博看期刊

基于改进Cascade R-CNN的安全帽检测算法

在线全文

学校读者我要写书评

暂无评论

微电子学与计算机 2024年第1期41卷 63-73页

作者：冯佩云钱育蓉范迎迎魏宏杨秦雨刚莫王昊新疆大学软件学院新疆乌鲁木齐830091 新疆维吾尔自治区信号检测与处理重点实验室新疆乌鲁木齐830046 新疆大学软件工程重点实验室新疆乌鲁木齐830091 新疆财经大学信息管理学院新疆乌鲁木齐830012

针对安全帽检测中,目标形状、尺度变化大,易出现漏检、误检等问题,提出了一种基于改进级联基于区域的卷积神经网络(Cascade R-CNN)的安全帽检测算法。首先,对ResNet50进行改进形成D-ResNet50,利用可变形卷积仅增加少量参数就可增大感受... 详细信息

针对安全帽检测中,目标形状、尺度变化大,易出现漏检、误检等问题,提出了一种基于改进级联基于区域的卷积神经网络(Cascade R-CNN)的安全帽检测算法。首先,对ResNet50进行改进形成D-ResNet50,利用可变形卷积仅增加少量参数就可增大感受野的特性,对特征提取网络的C2~C5卷积层进行重塑,提高网络对目标几何变换的适应能力和特征提取能力。其次,将D-ResNet50作为主干网络引入Cascade R-CNN,形成级联目标检测器,在每个阶段对正负样本重采样,抑制误检问题。再次,对递归特征金字塔进行改进,更高效地进行多尺度特征融合,并且基于反馈信息对特征进行二次处理,增强特征表达,提高网络的分类和定位能力。最后,使用Soft-非极大值抑制(Soft-NMS)进行后处理,进一步解决漏检问题。提出的方法在Hard hat workers数据集上的AP值相比检测基线提高了3.5%,与Sparse R-CNN、TridentNet、VFnet等先进算法相比分别提升了4.7%、5.9%、2.3%等。

关键词：安全帽检测多尺度特征融合反馈连接可变形卷积 Cascade R-CNN CARAFE

在线全文

学校读者我要写书评

暂无评论

视觉轮廓整合的神经机制

生理学报 2019年第1期71卷 45-52页

作者：李雅王勇慧李晟陕西师范大学心理学院西安710062 北京大学心理与认知科学学院北京100871 北京大学麦戈文脑科学研究所北京100871 北京大学行为与心理健康北京市重点实验室北京100871 北京大学机器感知与智能教育部重点实验室北京100871

视觉轮廓整合是指视觉系统将视野中的离散元素组合为整体轮廓线的加工过程,是连接初级感觉加工和高级视觉物体知觉间的关键桥梁。对视觉轮廓整合神经机制的研究不仅能促进我们对人类知觉整合的理解,也有助于启发计算科学领域图形整合和... 详细信息

视觉轮廓整合是指视觉系统将视野中的离散元素组合为整体轮廓线的加工过程,是连接初级感觉加工和高级视觉物体知觉间的关键桥梁。对视觉轮廓整合神经机制的研究不仅能促进我们对人类知觉整合的理解,也有助于启发计算科学领域图形整合和分隔算法的改进。然而,轮廓整合的神经机制尚无最终定论。当前的争议主要集中在轮廓整合是基于初级视皮层固有水平连接的产物,还是基于脑区内水平连接及脑区间反馈连接共同作用的产物。本文在回顾这两种理论框架及其研究证据的基础上,对未来的研究问题和方向进行了展望。

关键词：知觉整合反馈连接环路循环加工初级视皮层(V1) 经颅磁刺激

基于反馈注意力机制和上下文融合的非模式实例分割

在线全文

学校读者我要写书评

暂无评论

智能系统学报 2021年第4期16卷 801-810页

作者：董俊杰刘华平谢珺续欣莹孙富春太原理工大学信息与计算机学院山西晋中030600 清华大学智能技术与系统国家重点实验室北京100084 太原理工大学电气与动力工程学院山西太原030024

非模式实例分割是最近提出的对实例分割的扩展,其任务是对每个对象实例的可见区域和被遮挡区域都进行预测,感知完整的物理结构和语义概念。在预测对象被遮挡部分的形状和语义时,往往由于特征表示的识别能力不够和对上下文信息缺乏而导... 详细信息

非模式实例分割是最近提出的对实例分割的扩展,其任务是对每个对象实例的可见区域和被遮挡区域都进行预测,感知完整的物理结构和语义概念。在预测对象被遮挡部分的形状和语义时,往往由于特征表示的识别能力不够和对上下文信息缺乏而导致对遮挡区域预测欠拟合甚至错误。针对这个问题,提出一个上下文注意模块和反馈注意力机制的特征金字塔结构,引入反馈连接进行再学习。该方法能够有效捕获全局语义信息和精细的空间细节,通过在COCO-amodal数据集训练和验证,非模式实例分割掩码平均精确率从8.4%提高到14.3%,平均召回率从16.6%提高到20.8%。实验结果表明,该方法能够显著提高对物体被遮挡部分预测的准确率,有效解决欠拟合问题。

关键词：非模式实例分割遮挡预测反馈连接注意力机制上下文信息深度学习神经网络计算机视觉

在线全文

学校读者我要写书评

暂无评论

基于循环生成对抗网络的图像去雾算法

计算机工程 2022年第3期48卷 280-287页

作者：郭梦琰张娟刘巧红蔡立志上海工程技术大学电子电气工程学院上海201620 上海健康医学院医疗器械学院上海201318 上海计算机软件技术开发中心上海200235

大气散射模型与有雾图像及对应清晰图像间的映射模型不适配,导致使用大气散射模型进行图像去雾处理时,图像存在颜色偏差、纹理细节粗糙等问题。基于模拟生物视觉系统的反馈原理,提出一种端到端的循环生成对抗网络算法,以解决误差累积造... 详细信息

大气散射模型与有雾图像及对应清晰图像间的映射模型不适配,导致使用大气散射模型进行图像去雾处理时,图像存在颜色偏差、纹理细节粗糙等问题。基于模拟生物视觉系统的反馈原理,提出一种端到端的循环生成对抗网络算法,以解决误差累积造成的去雾图像低质的问题。通过生成模块将循环神经网络的隐藏状态作为反馈信息,以指导低级模糊特征信息生成更加丰富的高级特征。循环结构能够保证先前的网络层可以使用到后面网络层的高级特征信息,从而减少误差累积。此外,该算法能够根据判别模块的损失来评估重建图像的质量。实验结果表明,与GCANet算法相比,所提算法在SOTS测试集上的平均峰值信噪比和结构相似性,在室内分别提升3.41%和0.57%,在室外分别提升3.48%和1.39%,且在真实世界的数据集上进行图像去雾后,在视觉上避免了颜色失真和光晕问题。

关键词：图像去雾循环卷积神经网络生成对抗网络编码-解码模式反馈连接

一种拉普拉斯金字塔结构的团网络超分辨率图像重建算法

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 2019年第8期40卷 1760-1766页

作者：贾婷婷王济浩郑雅羽冯杰浙江工业大学信息工程学院杭州310023 浙江理工大学信息学院杭州310018

较深的卷积神经网络在超分辨率图像重建中获得了较好的结果.然而,大多数基于卷积神经网络的超分辨率算法忽略了卷积层间的反馈信息.因此,在信息传递的过程中丢失了更多细节特征.针对此问题,提出了一种拉普拉斯金字塔结构的团网络超分辨... 详细信息

较深的卷积神经网络在超分辨率图像重建中获得了较好的结果.然而,大多数基于卷积神经网络的超分辨率算法忽略了卷积层间的反馈信息.因此,在信息传递的过程中丢失了更多细节特征.针对此问题,提出了一种拉普拉斯金字塔结构的团网络超分辨率图像重建算法.使用团结构作为网络的构建模块,其卷积层间既有前向连接又有反馈连接.同时采用拉普拉斯金字塔结构,渐进式重建高分辨率图像.为了验证算法的有效性,在4个基准数据集上对重建结果进行主、客观评估并与不同算法做比较.结果表明,所提出的算法相较于其他算法,在客观指标上,峰值信噪比与结构相似度指数分别有0. 05dB至0. 36dB与0. 001至0. 006的提升;在主观视觉效果上,能够重建出更接近真实的图像.

关键词：卷积神经网络超分辨率图像重建拉普拉斯金字塔团网络反馈连接

在线全文

学校读者我要写书评

暂无评论

基于深度学习的单幅图像去雾算法研究

基于深度学习的单幅图像去雾算法研究

作者：郭梦琰上海工程技术大学

学位级别：硕士

秋、冬日自然界中多会出现雾霾、沙尘等视觉障碍现象,不仅影响人眼对物体的主观判断,而且会降低图像中目标物体的能见程度,影响智能交通、安防监控装置、卫星遥感监测等系统的最终处理结果。由此,图像去雾的研究在计算机视觉应用领域中... 详细信息

秋、冬日自然界中多会出现雾霾、沙尘等视觉障碍现象,不仅影响人眼对物体的主观判断,而且会降低图像中目标物体的能见程度,影响智能交通、安防监控装置、卫星遥感监测等系统的最终处理结果。由此,图像去雾的研究在计算机视觉应用领域中起到至关重要的作用。大雾天气下的低质模糊图像恢复到高质清晰图像后,会被应用到计算机高级视觉任务(如车道线检测、目标追踪、自动驾驶等)中,这对改善人类现实生活的意义尤为突出。当前,单幅图像去雾的方法大致分为两大类:一类是传统的去雾方法;另一类是基于深度学习的数据驱动方法。传统方法中的图像增强方法忽略了图像退化的因素,单从图像本身需求考虑,来增强所需的亮度、对比度、饱和度等物理信息,弱化了降低图像清晰度的本质影响因素;传统方法中的图像复原方法多是基于先验知识,来估计大气光强度或透射率,反向推导大气散射模型,处理过后的图像多会出现光晕和颜色不均匀等情况。数据驱动的深度学习方法,基于大规模的数据集,可以准确学习到有雾图像与对应清晰图像之间的映射关系,鲁棒性能和泛化性能更好,去雾图像的视觉感受更加清晰。本文利用深度学习的方法,提出了基于密集反馈网络的图像去雾算法和基于循环生成对抗网络的图像去雾算法,本文研究的主要内容和创新点如下所示:(1)本文提出了一种端到端具有密集反馈特性的去雾网络。其利用有约束条件的循环神经网络(RNN),构建出循环迭代的结构,来恢复达标的清晰去雾图像。循环迭代结构使网络重复学习,逐渐提高模糊图像的清晰度。密集反馈模块处理后的反馈信息通过反馈连接被有效地传输到下次迭代,与输入特征信息相融合,丰富低维度信息去向高维度表达,由此生成高维度特征。本文进一步提供了全面的消融实验,以验证连续的网络迭代和多个传输单元可改善网络的去雾性能。此外,反馈网络比前馈网络具有更好的去雾效果。(2)本文将生成对抗网络引入到密集反馈去雾网络中,提出循环生成对抗去雾网络。其将改进的密集反馈网络作为网络的生成结构,残差跳跃将包含全局信息的浅层特征引入深层特征中互相补偿,实现解码模块特征与编码模块低维特征融合的目的,快速准确恢复出纹理精细的残差特征图。引入Wassertein GAN的判别网络作为网络的判别结构,判别网络根据Wasserstein距离决定最后的去雾图像。联合损失引导整个网络有导向的学习图像成雾原理,逐步提高网络的重建能力,在图像细节恢复上更加精细和完善。

关键词：图像去雾循环卷积神经网络生成对抗网络编码-解码模式反馈连接

基于抑制性突触可塑性的神经网络兴奋性与抑制性平衡及信息传输

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于抑制性突触可塑性的神经网络兴奋性与抑制性平衡及信息传输

作者：张春会天津医科大学

学位级别：硕士

皮层神经元的兴奋性与抑制性平衡在维持脑神经网络的正常电活动和实现其正常生理功能方面具有至关重要的作用;癫痫和帕金森等神经疾病的产生与神经系统的兴奋性与抑制性失衡密切相关。不同脑区间的神经信息传输是大脑各个脑区互相协作... 详细信息

皮层神经元的兴奋性与抑制性平衡在维持脑神经网络的正常电活动和实现其正常生理功能方面具有至关重要的作用;癫痫和帕金森等神经疾病的产生与神经系统的兴奋性与抑制性失衡密切相关。不同脑区间的神经信息传输是大脑各个脑区互相协作完成各种高级认知功能的基础。因此,神经网络的兴奋性与抑制性平衡及其信息传输机制的研究对理解神经电活动、大脑的高级认知功能及脑疾病的发作机制具有重要意义。已有兴奋性与抑制性平衡研究主要为同构神经网络的兴奋性与抑制性平衡,而实际的脑神经网络结构具有异构性,并且这种异构性对兴奋性与抑制性平衡具有重要影响,因此异构神经网络的兴奋性与抑制性平衡机制仍有待进一步的研究。神经信息传输性能受网络活动状态的影响,而网络活动状态又受兴奋性与抑制性平衡的影响,所以兴奋性与抑制性反馈的平衡状态对神经信息传输具有重要影响。已有相关研究主要集中于前馈神经网络层间反馈连接对信息传输的影响上,层内兴奋性与抑制性反馈连接及二者的平衡对前馈神经网络信息传输性能调控机制的研究仍然是欠缺的。因此,本文分别构建同构与异构的反馈神经网络模型和前馈神经网络模型,重点研究基于抑制性突触可塑性的异构反馈神经网络的兴奋性与抑制性平衡机制,以及层内兴奋性与抑制性反馈的平衡对前馈神经网络信息传输的调控机制。具体研究内容如下:（1）异构神经网络的兴奋性与抑制性平衡机制。首先,构建同构与异构的反馈神经网络模型,研究两种网络中目标神经元基于反馈连接的兴奋性与抑制性突触电流平衡情况,分别采用突触电流、神经元膜电位、神经元放电图以及放电率统计图等对同构与异构神经网络的平衡状态进行对比分析。然后,在异构神经网络中引入抑制性突触可塑性,分别应用突触电流之和、突触电流之比、突触电流散点图、膜电位、放电图以及放电率统计图等指标对平衡状态进行评估。并且分析在外界扰动和参数摄动下异构神经网络兴奋性与抑制性平衡的鲁棒性。结果显示,同构神经网络中神经元的兴奋性与抑制性突触电流仅依靠反馈连接就可以达到平衡,而异构神经网络连接结构的不均匀性对二者的平衡具有破坏作用。进一步研究发现,在异构神经网络引入抑制性突触可塑性之后,所有目标神经元的兴奋性与抑制性突触电流都可以取得兴奋性与抑制性平衡;并且该兴奋性与抑制性平衡对外界扰动和参数摄动具有鲁棒性。另外还讨论了泊松输入频率对同构神经网络兴奋性与抑制性平衡的影响,结果显示大频率的泊松输入会破坏同构神经网络的兴奋性与抑制性平衡,引入抑制性突触可塑性后同构神经网络可以重新实现平衡。（2）基于层内兴奋性与抑制性平衡的前馈神经网络信息传输机制。以反馈神经网络为每层子网络构建前馈神经网络模型,通过分别改变每层神经网络的兴奋性与抑制性突触强度来调节层内兴奋性与抑制性状态,进而分析不同层内兴奋性与抑制性状态下前馈神经网络的信息传输性能。首先,分别应用每层同步放电包中的总放电个数、放电时刻的标准差、生存率及信噪比对不同层内兴奋性与抑制性状态下神经网络的同步放电传输性能进行评估。然后,采用每层神经群的平均放电率与外部电流的相关系数分析不同层内平衡状态下前馈神经网络的放电率传输性能。结果显示,不同的兴奋性与抑制性平衡状态下层内网络具有明显不同的电活动状态,层内兴奋性与抑制性平衡对前馈神经网络的同步放电传输和放电率传输具有调控作用。当层内兴奋性作用太强时,前馈神经网络发生不稳定的同步放电传输,且放电率传输性能较差;当层内抑制性作用太强时,网络发生失败的同步放电传输,同时放电率传输性能较差;因此,当层内神经网络取得合适的兴奋性与抑制性平衡时,前馈神经网络具有最优的信息传输性能。本文研究结果表明,抑制性突触可塑性是神经网络建立和维持兴奋性与抑制性平衡的有效机制;同时,层内神经网络的兴奋性与抑制性取得平衡时前馈神经网络具有最优的神经信息传输性能。本文的研究结果揭示了异构神经网络的兴奋性与抑制性平衡机制,以及兴奋性与抑制性平衡对前馈神经网络信息传输的调控作用,有助于深入理解神经电活动、脑功能及脑疾病相关的兴奋性与抑制性平衡机制。

关键词：同构神经网络异构神经网络反馈连接抑制性突触可塑性兴奋性与抑制性平衡前馈神经网络同步放电传输放电率传输

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于生物视觉机制的运动信息探测与整合研究

基于生物视觉机制的运动信息探测与整合研究

作者：韩少军吉林大学

学位级别：硕士

图像中运动信息的处理在工程与军事中有着广泛的应用。随着计算机科学的发展，数字图像处理技术也有了长足的进步。但是其与生物视觉系统在处理复杂图像方面卓越的表现相比，仍然存在着诸多不足。因此人们开始通过研究生物视觉系统的工... 详细信息

图像中运动信息的处理在工程与军事中有着广泛的应用。随着计算机科学的发展，数字图像处理技术也有了长足的进步。但是其与生物视觉系统在处理复杂图像方面卓越的表现相比，仍然存在着诸多不足。因此人们开始通过研究生物视觉系统的工作机理来建立仿生脑处理图像信息。本文研究的主要对象为灵长类视觉系统的运动通道的工作机理，包括视网膜以及LGN、V1、MT和MST等脑皮层。基于现代生物学在视觉系统的解剖学及生理学等方面的研究成果，对灵长类生物视网膜探测运动信号的机制、运动信息的传递通路、神经元及其相互连接的拓扑关系、脑皮层中对运动信息的整合机制以及反馈连接和水平连接在视觉感知中的作用进行了探讨。建立了局部运动信息探测模型以及运动方向整合模型，并通过C++Builder对模型进行了编程模拟。运用拓扑学及范畴学等数学工具对视觉运动系统进行系统分析，建立其相关数学模型。利用生物机制对图像中的运动信息进行探测的模型必须包含三个基本要素：来自于不同的两点的输入，非线性的相互作用以及非对称性。本文采用位于不同位置的双极细胞的输入，通过星爆无足细胞的兴奋突触产生空间偏移的易化作用，以及其抑制性突触对本地的方向选择性神经节细胞的抑制，并在相邻的星爆无足细胞之间建立起相互之间的侧抑制连接。这样的模型可以有效地对各种刺激模式产生正确的响应。通过综合大量生理学及解剖学研究成果，整理与综合了脑皮层中的视觉信息投射关系。在对脑皮层中运动通道的信息传递通道研究中，发现来自于视网膜的运动信息在脑皮层中并非全部沿着背侧通道从低级皮层逐层向高级皮层传递。例如LGN中仅有10%的信息输入来自于前馈的视网膜神经节细胞，而其中30％来自于V1第六层神经元的反馈，这些反馈信息对LGN中神经元的响应存在调节作用。V4皮层与MT皮层间也存在大量跨通道的水平连接。这些连接使得神经系统可以利用高级皮层所感知到的全局信息来调节低级皮层对局部信息的细节识别以及完成跨通道的信息传递。受到感受野范围的限制，视网膜、LGN以及V1等低级神经元都存在小孔问题。即对感受野内的运动刺激所探测到的方向信息存在着大量的不确定性,只有和运动轮廓法向方向相同的运动分量才能被感知到。因此视觉系需要利用来自于特征点的稀疏的确定信号来约束与确定化来自于轮廓处的不确定信号才能得到刺激的真实运动方向。本文利用神经元间的侧抑制、耦合以及反馈等作用机制，成功对运动信息进行了整合，并且避免了其他模型中存在的特征点探测与匹配的问题。最后利用程序对所提出的运动探测以及运动整合模型进行了仿真模拟，验证了模型的正确性。并模拟了MT皮层对V1神经元的反馈调节作用，这种反馈作用可以使得低级皮层中虚假运动信息的数量和强度显著降低。

关键词：运动探测反馈连接星爆无足细胞运动整合水平连接

基于共振对的前馈神经网络中脉冲包的选择性信号传递

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于共振对的前馈神经网络中脉冲包的选择性信号传递

作者：陈玉倩北京邮电大学

学位级别：硕士

大脑对信号的路由以及传递总是选择性的,在复杂环境下如何实现选择性信号传递以及信息处理始终是计算神经科学、人工智能等领域的研究热点与难点。大脑皮层内不同区域间通过稀疏且微弱的远程连接进行信号传递,振荡活动可以克服网络间的... 详细信息

大脑对信号的路由以及传递总是选择性的,在复杂环境下如何实现选择性信号传递以及信息处理始终是计算神经科学、人工智能等领域的研究热点与难点。大脑皮层内不同区域间通过稀疏且微弱的远程连接进行信号传递,振荡活动可以克服网络间的弱连接性,对信号进行同步以及放大,促进信号在稀疏连接的前馈神经网络中的传递。目前,已经提出的基于振荡活动的信号传递机制有:利用相干性传递信号、利用共振传递信号以及在共振对网络下利用共振传递信号。共振对的出现显著提升了前馈网络的信息传递能力,同时降低了信号传递的阈值。本文基于带有共振对的前馈网络模型,主要研究了在共振对网络中如何实现脉冲包信号的选择性传递。此外,通过调控网络中共振对的位置、数量以及连接性,讨论其对同步信号传递的影响。论文的主要研究结果有:首先,通过仿真多个不同活动状态的共振对网络,发现其都会选择性地响应某一个输入信号,证实了共振对网络中能够进行选择性信号传递;其次,研究了脉冲包信号选择性传递的成功条件,关键在于传递时滞与网络频率间相匹配;最后,为了能够更灵活地实现网络的选择性信号传递,挖掘出了包括背景输入、层间连接强度、连接概率在内的控制参数对网络频率的影响,发现控制参数与网络频率间存在定性关系。此外,通过调控反馈连接的位置、数量及连接性从而调控共振对的位置、数量及连接性,探究了共振对变化对网络中信号传递的影响。一方面,共振对位置及数量变化能够在一定程度上促进信号传递,但另一方面,也能够引起网络活动高度同步从而产生自发振荡,不利于信号传递。共振对中添加抑制性反馈连接对信号传递的影响取决于与投射神经元的连接比例,当抑制性反馈连接主要作用于投射神经元时,信号传递失败;当部分连接到投射神经元时,能够促进信号传递,且网络频率发生变化。

关键词：前馈网络反馈连接共振对选择性传递