检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度回归的骨折锁钉孔三维空间定位方法

计算机与现代化 2023年第9期 87-93页

作者：王菲蒋俊锋邓子越陈亮黄瑞姚庆强河海大学物联网工程学院江苏常州213000 常州锦瑟医疗信息科技有限公司江苏常州213000 南京医科大学附属南京医院江苏南京210000

人体长骨发生骨折后,需要将髓内钉插入髓腔之中以固定骨折区域,之后将螺钉置入髓内钉远端孔中以固定髓内钉,该手术难点在于远端孔位姿会随髓腔形状发生变化,因此传统徒手锁钉方法难以准确定位远端孔的空间位姿。为解决此问题,提出一种... 详细信息

人体长骨发生骨折后,需要将髓内钉插入髓腔之中以固定骨折区域,之后将螺钉置入髓内钉远端孔中以固定髓内钉,该手术难点在于远端孔位姿会随髓腔形状发生变化,因此传统徒手锁钉方法难以准确定位远端孔的空间位姿。为解决此问题,提出一种基于单张术中X线片精准定位髓内钉远端孔的方法。首先通过对比虚拟髓内钉与真实术中髓内钉的轮廓相似性确定远端孔的初始位姿;之后利用位姿修正算法对齐髓内钉轮廓特征,驱动虚拟髓内钉位姿迭代优化;最后确定远端孔的精确位姿。此外,为了准确提取X线片中的轮廓特征,结合目标检测算法,提出一种由粗到精的两阶段髓内钉轮廓提取方法。分别在模拟环境与真实临床环境中进行实验,将本方法计算得到的远端孔轴线与真实远端孔轴线进行比较,模拟环境中2个轴线的距离、角度误差为0.42 mm、0.46°,临床环境中2个轴线的距离、角度误差为0.75 mm、0.81°。本方法能满足髓内钉手术中远端孔定位的实际需求,有效提高髓内钉远端锁钉术中定位与规划效率。

关键词：手术导航锁钉孔定位远端变形深度回归空间配准

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

基于深度回归分析的行人再识别算法研究

基于深度回归分析的行人再识别算法研究

作者：赵坤鹏河北工业大学

学位级别：硕士

行人再识别的任务是在无重叠的视频监控网络中将一个或一组需要查询其中行人身份的图像与图库中大量候选人图像相比对,根据相似程度来识别待查询图像中行人的身份。其基本假设为:行人图像的捕获在相对较短的时间内完成,衣服和身体的形... 详细信息

行人再识别的任务是在无重叠的视频监控网络中将一个或一组需要查询其中行人身份的图像与图库中大量候选人图像相比对,根据相似程度来识别待查询图像中行人的身份。其基本假设为:行人图像的捕获在相对较短的时间内完成,衣服和身体的形状没有太大的变化,可以用作识别身份的提示。本课题的难点为:（1）同身份行人在视图中有显著的变化;（2）输入图像较小,面部特征难以应用;（3）测试集相对于训练集处于完全开集识别状态,应用传统的深度分类模型不能端到端地完成任务;（4）照明、姿势、视角、图像尺度、图像分辨率、摄像机设置以及行人背景的大幅变化。本文针对以上提及的挑战性问题进行了深入研究,主要研究内容和创新点如下:（1）现有深度分类模型以softmax层作为输出层,导致模型难以处理开集识别问题,本文提出了多视觉属性自适应融合深度回归神经网络,将行人再识别问题建模为身份相同概率回归问题,使行人再识别能够端到端地完成。首先应用同参数孪生网络部分提取两幅输入行人图像的差异,将图像差异输入到多视觉属性分支,分别进行对应的视觉属性相似性概率回归;其次,利用本文提出的基于贝叶斯推断的多视觉属性融合与优化理论学习视觉属性融合权重,加权融合各视觉属性相同概率得到最终两行人身份相同概率值。为了避免贝叶斯推断优化过程中多视觉属性融合权重趋向于独热（Tend to One-hot）的问题,提出了融合权重平滑交叉熵损失函数,在训练过程中应用权重平滑交叉熵损失函数,可以有效避免这一问题。（2）对于公开数据集提供的独热编码的硬标签不适合作为回归模型训练的监督信息的问题,本文提出了集成在深度学习端到端训练过程中的基于贝叶斯推断思想的多标签自适应融合与优化方法,将多个硬标签自适应地融合成为一个软标签,使视觉属性标签适合作为回归模型训练过程中的监督信息,促进了深度回归模型在训练过程中的收敛。（3）行人再识别测试数据对于训练数据通常处在开集识别状态,相比于分类任务,行人再识别课题要求模型具备更强的泛化性。基于卷积神经网络模型（Convolution Neural Network Based Model,CNNBM）的决策高度依赖于较高层提取的模式（Pattern）组合。因此模式组合的多样性在一定程度上决定了CNNBM的泛化性。本文提出了基于梯度信息擦除的数据增强方法（Gradient Based Erasing Data Augmentation,GBE）,在训练阶段利用GBE产生的增强数据训练模型,可以避免模型依赖于少数特定模式组合的情况,减小过拟合的风险,提升CNNBM的泛化性。针对本文提出的方法,在Market-1501和Duke MTMC-reID数据集上进行了大量的消融实验和对比实验。消融实验结果表明,本文提出的方法均对基线（Baseline）模型产生积极影响并提升了准确度;对比试验结果表明,本文提出的方法在保持模型较少参数量、模型结构简明特点的同时在精度上仍处于优势。

关键词：贝叶斯推断深度回归自适应多标签融合数据增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于弱监督迁移网络的3D人体关节点识别

吉林大学学报（工学版） 2024年第1期54卷 251-258页

作者：孙志勇李宏友叶俊勇重庆大学光电技术教育部重点实验室重庆400044 重庆警察学院基础教研部重庆401331

针对2D图像缺少深度信息,行为姿态空间结构信息不完备的问题,提出一种基于弱监督迁移网络的3D人体关节点识别方法。首先,提出一种用于真实图像的端到端3D人体姿态估计框架,使用2D与3D混合标签图像对深度神经网络进行训练,在2D人体姿态... 详细信息

针对2D图像缺少深度信息,行为姿态空间结构信息不完备的问题,提出一种基于弱监督迁移网络的3D人体关节点识别方法。首先,提出一种用于真实图像的端到端3D人体姿态估计框架,使用2D与3D混合标签图像对深度神经网络进行训练,在2D人体姿态识别子网络中,添加深度回归模块对2D人体姿态识别子网络进行改进,解决3D人体姿态识别出现的深度歧义性问题;其次,在3D人体姿态识别子网络中,引入3D几何约束对人体姿态识别进行规范化操作,针对无真实深度标签的情况,可更好地学习深度特征,有效解决存在遮挡情况的人体姿态识别问题。在Human 3.6M和MPII数据集中关节点预测平均误差低于其他方法,具有更好的3D人体姿态识别效果。

关键词：迁移网络姿态识别 3D关节点几何约束深度回归

基于术中X线片的髓内钉远端孔深度学习定位方法

维普期刊数据库博看期刊

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

计算机辅助设计与图形学学报 2023年第8期35卷 1206-1215页

作者：王菲蒋俊锋邓子越陈亮黄瑞陈正鸣何坤金姚庆强杨光辉河海大学物联网工程学院常州213000 河海大学计算机信息学院南京210000 常州锦瑟医疗信息科技有限公司常州213000 南京医科大学附属南京医院南京210006 溧阳市人民医院常州213300

通过深度特征提取与髓内钉孔轴线深度回归,基于术中2张不同角度X线片,提出一种精准定位髓内钉远端孔的方法.首先通过目标检测算法提取X线片中的髓内钉轮廓,使用深度神经网络预测远端孔轴线在二维成像平面中的投影;然后根据双平面相交的... 详细信息

通过深度特征提取与髓内钉孔轴线深度回归,基于术中2张不同角度X线片,提出一种精准定位髓内钉远端孔的方法.首先通过目标检测算法提取X线片中的髓内钉轮廓,使用深度神经网络预测远端孔轴线在二维成像平面中的投影;然后根据双平面相交的方法,初步确定远端孔的空间位姿;最后利用髓内钉轮廓信息,使用协方差矩阵自适应进化策略算法进行位姿迭代修正.将所提方法计算得到的远端孔轴线与真实远端孔轴线进行比较的实验结果表明,在模拟环境中,两轴线平均距离误差为0.34 mm,平均角度误差为0.35°;在临床环境中,两轴线平均距离误差为0.68 mm,平均角度误差为0.72°.该方法能够满足髓内钉手术中远端孔精准定位的临床需求,可有效地提高髓内钉远端锁钉术中定位效率.

关键词：计算机辅助手术导航交锁髓内钉远端铰锁孔定位 X线片深度回归

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

基于深度卷积网络的异源图像配准

基于深度卷积网络的异源图像配准

作者：段宝瑞西安电子科技大学

学位级别：硕士

近年来随着成像技术的发展,获取图像的手段和途径也更加丰富。不同传感器获取到的异源图像有各自不同的优势,同时也有各自的局限性。同时利用多种异源图像可以有效提高计算机视觉中许多任务的效果。在实际的任务中能够使用异源图像的前... 详细信息

近年来随着成像技术的发展,获取图像的手段和途径也更加丰富。不同传感器获取到的异源图像有各自不同的优势,同时也有各自的局限性。同时利用多种异源图像可以有效提高计算机视觉中许多任务的效果。在实际的任务中能够使用异源图像的前提是需要对异源图像进行配准,图像配准的精度会直接影响下游任务的效果。因此,实现高精度的异源图像配准有着非常重要的意义。在异源图像配准中,除了传统图像配准中的视角、旋转、剪切变化之外,还有由于成像原理不同带来的图像外观风格差异的问题。本文针对异源图像配准问题进行了研究,主要内容如下:1.基于特征分解模型的异源图像配准。针对异源图像中语义信息与模态信息混叠导致难以提取到判别性描述子的问题,本文提出了一种特征分解网络模型FDNet。该模型将图像块的特征分解为共有特征和私有特征,在特征匹配阶段只使用共有特征进行匹配以剔除私有特征的干扰。在FDNet的优化中使用匹配学习、对抗学习和重构学习。匹配学习通过困难样本挖掘策略和三元组损失函数优化网络,使得网络可以提取到具有高度判别性的描述子。对抗学习通过对抗训练来约束异源图像共有特征的一致性。重构学习旨在保证学习过程中图像特征的完备性,确保在特征分解过程中没有信息被丢失。实验结果表明该方法有效提升了异源图像块匹配和异源图像配准的效果。2.基于深度回归的异源图像配准。基于关键点的图像配准方法依赖于关键点的数量、质量和描述子的质量。当关键点的数量和质量受到影响,配准的效果将会大幅下降。基于回归的图像配准方法利用整幅图像进行回归,最终计算出变换参数,不受关键点数量和质量的影响,因此本章使用基于回归的方法进行配准。但是由于异源图像强度分布差异巨大,导致基于回归的方法收敛缓慢且难以得到较为精确的结果。针对该问题,本文提出了一种基于深度回归的双阶段配准模型THNet。首先在阶段一中使用一个较浅的网络对待配准图像和参考图像进行一次粗略的回归,利用回归的结果对待配准图像进行校正。将校正后的结果与参考图像输入第二阶段的深层网络继续进行回归,最终得到精确的回归结果。实验结果表明,THNet在异源图像配准中取得了显著的效果。3.基于全局注意力的异源图像配准。卷积神经网络(Convolutional Neural Network,CNN)有助于提取到图像的细节、纹理特征,但是其只能关注到局部的图像信息。由于遥感图像内容的局部相似性,仅关注局部特征可能对估计角点偏移量带来误差。针对该问题,本文提出了一种融合局部信息与全局上下文信息的网络结构SHNet来进行异源图像配准。首先,利用浅层网络进行一次粗略回归,利用回归的结果对待配准图像做一次校正。然后将参考图像与校正后的待配准图像输入阶段二的深层网络,在阶段二的网络中,CNN分支负责提取图像的局部特征,transformer分支负责提取图像的全局特征。然后利用特征融合模块将局部特征与全局特征融合后进行回归预测。实验结果表明,SHNet进一步提升了异源图像配准的效果。

关键词：图像块匹配图像配准描述子学习深度回归深度学习

基于深度学习和半球图像的典型植被冠层参数反演研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习和半球图像的典型植被冠层参数反演研究

作者：程元儡电子科技大学

学位级别：硕士

植被冠层参数能够反映植被冠层结构、功能以及生长状况,是众多生态研究模型的重要输入因子,对气候变化及生态系统的研究具有重要意义。在植被冠层参数反演的众多方法中,基于半球图像的间接测量方法应用广泛,但其图像分割、聚集指数估算... 详细信息

植被冠层参数能够反映植被冠层结构、功能以及生长状况,是众多生态研究模型的重要输入因子,对气候变化及生态系统的研究具有重要意义。在植被冠层参数反演的众多方法中,基于半球图像的间接测量方法应用广泛,但其图像分割、聚集指数估算等中间过程会引入误差。针对以上问题,本文以典型植被为研究对象,以植被冠层半球图像为数据,基于深度学习开展了包括叶面积指数和植被覆盖度的冠层参数反演研究,以提高反演精度,具体研究内容如下:(1)基于三维建模软件搭建了与真实场景实验中多种典型植被类型相同的共17个仿真模型,并设置多个采样点,获取了一天中植被冠层的长时间序列半球图像,测量了植被冠层参数。结合真实场景实验中获取的图像和冠层参数,构建了实验数据集。(2)构建了适用于多种典型植被的轻量级半球图像分割网络DHPGU-Net,以提高半球图像中植被区域分割的精度,该网络结合了编解码结构和轻量级网络结构。实验结果表明,DHPGU-Net在多个数据集中Io U超过96.95%,精准度超过97.80%,召回率超过98.93%,模型分割的准确性高。在不同场景测试数据中,与基于阈值分割方法的反演结果相比,基于DHPGU-Net分割方法的反演结果,在以仿真测量值和LAI-2200测量值为参考的回归分析中,植被覆盖度相关系数提高了0.03～0.14,叶面积指数相关系数提高了0.03～0.22,RMSE减小了0.28～0.81,MAE减小了0.28～0.62,结果表明该方法能有效提高反演精度。(3)构建了半球图像中冠层参数反演的端对端深度回归模型,并研究以多种网络为特征提取结构、模型回归层、损失函数、优化器等因素对回归结果的影响。冠层参数反演实验中,与以仿真测量值和LAI-2200测量值为参考的回归分析结果表明,叶面积指数和植被覆盖度的反演结果相关系数均超过0.91和0.94,与基于分割的反演方法相比,叶面积指数相关系数提高了0.12～0.32,RMSE降低了0.33～0.98,MAE降低了0.28～0.83,进一步提高了半球图像植被冠层参数的反演精度。(4)构建了轻量级的植被冠层参数回归网络,并在实验数据中验证了其反演植被冠层参数的有效性和准确性。基于Py Side2和Qt Quick开发了植被冠层参数反演系统,并部署到边缘设备中运行。该系统集成了本文改进的基于分割和提出的基于回归的冠层参数反演方法,以用于植被冠层参数测量。

关键词：冠层参数半球图像三维建模图像分割深度回归

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的指针式仪表读数识别算法研究

基于深度学习的指针式仪表读数识别算法研究

作者：晁珍珍南京理工大学

学位级别：硕士

变电站存在大量机械式的指针型仪表,在日常运维中主要依靠人工手动抄表。人工读数精度低、人力成本较大且易受到外界因素的干扰,因此,实现指针式仪表的自动读数对变电站智能运维具有重要意义。本文针对指针式仪表的检测与读数识别进行... 详细信息

变电站存在大量机械式的指针型仪表,在日常运维中主要依靠人工手动抄表。人工读数精度低、人力成本较大且易受到外界因素的干扰,因此,实现指针式仪表的自动读数对变电站智能运维具有重要意义。本文针对指针式仪表的检测与读数识别进行了深入研究,主要研究内容及成果包括以下几个方面:1、采用YOLOX网络模型对多种类型的指针式仪表进行检测定位,以获取单个的仪表表盘图像。该模型具有检测准确率高、模型推理速度快、泛化能力强等优点。实验结果表明,该模型对多种类型的指针式仪表的检测精度AP50可以达到99.6%,在NVIDIA Ge Force RTX 3090上的平均推理时间仅为7.12ms,该模型具有良好的实时性与精准性。2、设计了一种单仪表表盘图像自动读数识别的算法,自行设计了单仪表读数回归深度网络,直接对检测得到的单仪表图像进行读数回归。该算法对仪表读数标签进行归一化处理,使得整体数据的分布具有一致性,主干网络借鉴了残差网络的设计,输出模块则采用卷积层代替了全连接层,减少了网络参数量,提升前向推理速度。实验表明,该算法在读数误差为±5%的情况下,准确率为93.39%,在读数误差为±10%的情况下,准确率可达到99.17%,同时对多种类型、图像质量不佳的仪表均具备较强的适应性。3、提出了一种端到端一步多仪表读数识别算法,通过单网络一次推理即可同时得到仪表图像中多个仪表的检测与读数识别结果。算法的网络架构为多任务输出的卷积神经网络,在一个用于提取特征的主干网络后,设计了三个不同的输出模块,同时完成仪表检测、读数识别与超量程分类判断的任务。该算法的网络结构为全卷积神经网络,利用掩码和索引的设置完成了网络输出结果的后处理,以提高模型的前向推理速度;额外添加了超量程分类输出模块,为网络的学习过程增添了约束,以提高读数回归的准确率;采用随机概率数据增强,以平衡检测与读数识别任务对数据的不同要求;使用了可变形卷积模块,以增强网络对特征的提取能力;对损失函数进行了变换,以提升网络读数识别的精度。实验表明,该算法对现场不同类型、多种样式的仪表均具有良好的检测识别效果,其中指针关键点检测在召回率为99.26%的情况下准确率达到99%以上,读数识别准确率在读数误差为±5%的情况下达到了92%以上,而分类任务的准确率达到了99%以上,同时在NVIDIA GTX 1080上算法的平均推理时间仅为40ms。

关键词：指针式仪表自动读数识别深度回归端到端模型