检索结果-南通市图书馆

光学精密工程 2024年第12期32卷 1954-1964页

作者：石明珠糟斌苏宇皓林芯卉孔思琪谭慕贤天津师范大学电子与通信工程学院天津300387 天津无线移动通信与无线电能传输重点实验室天津300387

针对雪天退化图像中不规则和多变的雪花形态,提出一种双注意力机制的精细化图像去雪网络(Dual Attention Refinement Desnowing Network,DARDNet)。网络引入维度拆分处理策略,并行处理通道和像素双维度特征,旨在有效配置两种注意力机制... 详细信息

针对雪天退化图像中不规则和多变的雪花形态,提出一种双注意力机制的精细化图像去雪网络(Dual Attention Refinement Desnowing Network,DARDNet)。网络引入维度拆分处理策略,并行处理通道和像素双维度特征,旨在有效配置两种注意力机制,兼顾提取复杂特征和保护纹理细节。其中,通道注意力机制针对雪花形态构建基础模块,形成U型金字塔结构分层提取深层次特征;像素注意力机制结合卷积形成自校准模块,串联高效Transformer关注图像纹理细节;两种注意力机制并行化处理后进行特征融合,提升信息融合度。在CSD,SRRS和Snow100K三个数据集上进行验证测试,其中在CSD数据集上PSNR达到32.16 dB,SSIM达到0.96。本文方法在处理多种雪花形态方面具有一定优势,能很好地重建纹理细节,获得高质量的去雪图像。

关键词：单幅图像去雪通道注意力机制像素注意力机制深度图像先验

来源：

维普期刊数据库

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

基于特征自干扰与像素注意力机制的道路分割网络

引用

广西大学学报（自然科学版） 2022年第5期47卷 1350-1362页

作者：吴继璋陈雪云丁启辰刘泓锟广西大学电气工程学院广西南宁530004 广西电力职业技术学院汽车与交通工程学院广西南宁530007

主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注... 详细信息

主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注意力机制缺乏像素级的特征筛选。针对上述问题提出了基于图像特征自干扰与像素注意力机制的道路分割网络,该网络分为主干分割网络和特征自干扰网络两部分,主干的分割网络包含像素注意力模块,可实现真实特征的提取和像素级的增强;自干扰网络输入原始图像随机裁剪和插值放大后得到的局部图生成伪特征,此外提出了融合模块用于实现伪特征与真实特征的融合并对主分割网络中间特征进行干扰。在KITTI和Cityscapes道路数据库上的实验表明:基于图像特征自干扰与像素注意力机制的分割方法与DeepLab V3分割方法相比,在KITTI数据集上的分割精度由88.02%提升至90.55%,在Cityscapes数据集上的分割精度由87.15%提升至90.16%。

关键词：深度学习道路分割图像特征自干扰机制像素注意力机制

来源：

维普期刊数据库

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

基于特征自干扰与注意力机制的城市路面图像分割的研究

基于特征自干扰与注意力机制的城市路面图像分割的研究

引用

作者：吴继璋广西大学

学位级别：硕士

城市路面分割研究的是利用计算机视觉技术,将车辆前方的场路面信息行划分,用于道路障碍物的识别。其难点在于路面检测容易受到光照、阴影等天气的影响,且路面车辆行人较多,部分物体遮挡以后形状变得不规则,从而导致检测种类错误,检测精... 详细信息

城市路面分割研究的是利用计算机视觉技术,将车辆前方的场路面信息行划分,用于道路障碍物的识别。其难点在于路面检测容易受到光照、阴影等天气的影响,且路面车辆行人较多,部分物体遮挡以后形状变得不规则,从而导致检测种类错误,检测精度下降。目前语义分割是计算机视觉领域研究区域划分的一个重要技术手段,被广泛应用在城市路面检测任务当中。主流路面检测方法包括基于语义分割的有全卷积网络(FCN)、UNet、Deeplab等,他们的共同点都是基于卷积神经网络的监督学习方法,可以自动学习图像的特征,进行端到端的分类学习,以达到像素级别的分类或分割。但随着卷积网络深度提高,网络参数量急剧增加,容易产生过拟合,因此需要对网络特征进行抗干扰训练,来提高网络的泛化能力和特征鲁棒性,减少过拟合。提高特征鲁棒性的另一种方法是注意力机制,比如非局部算法(Non-local)的使用充分计算了特征图的全局关联性,以起到特征优化的作用,但是缺乏通道特征的筛选。基于以上考虑,我们在抗干扰的过程中提出特征自干扰机制,在注意力机制的改进中提出像素注意力机制,本文的主要研究工作如下:1、对于主流分割网络缺少抗干扰能力,且干扰源普遍与原始特征差异过大等问题,本文提出自干扰机制,在现有主分割网络的基础上增加特征自干扰网络,利用原始图像裁剪插值放大得到伪特征图送入到自干扰网络生成干扰信息,通过特征融合模块将干扰信息与原始信息结合,主分割网络需要克服干扰准确分割目标以此获得抗干扰能力提升模型的鲁棒性。在主干网络与干扰网络之间设计了特征融合模块,用于更好的实现伪特征对真实特征的自干扰。2、针对非局部注意力机制(Non-local)中输入特征图过大从而导致矩阵转置运算量过大,而通道注意力机制可训练参数过少,缺乏像素级的特征筛选。本文提出了像素注意力机制,通过全连接和卷积的方法来关联像素间的注意力信息,并通过Sigmoid对像素特征进行调制实现了特征像素级别的筛选,减少了GPU显存占用的同时增加了可训练参数。并在主网络编码器的最后一层引入了多尺度特征提取模块,通过使用四种不同尺寸的卷积核来提取图片特征扩大感受野,提高分割网络的细粒度。3、本文考虑了数据集的大小对归一化效果的影响,采用组归一化(GN)和批归一化(BN)的结合使用方式,在大尺寸输入小批次训练中主网络与辅助网络分别采用组归一化和批归一化,避免了训练批次减小对网络精度的影响。实验表明,本文的方法与Deep Lab V3分割方法在KITTI和Cityscapes道路数据库上进行实验对比,在KITTI数据集上的分割精度由88.02%提升至90.55%,在Cityscapes数据集上的分割精度由87.15%提升至90.16%。

关键词：深度学习道路分割图像特征自干扰机制像素注意力机制批归一化组归一化特征融合模块

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于像素注意力引导的卷积神经网络图像去噪算法

基于像素注意力引导的卷积神经网络图像去噪算法

引用

作者：邓际斌南昌大学

学位级别：硕士

数字图像处理一直是计算机视觉领域的研究热点。其中图像去噪是数字图像处理中最为基础和常见的问题之一。随着人们对图像质量要求的逐步提高,如何去除图像中的噪声成为了许多图像处理应用中非常重要的任务。传统的图像去噪方法主要基... 详细信息

数字图像处理一直是计算机视觉领域的研究热点。其中图像去噪是数字图像处理中最为基础和常见的问题之一。随着人们对图像质量要求的逐步提高,如何去除图像中的噪声成为了许多图像处理应用中非常重要的任务。传统的图像去噪方法主要基于平滑滤波算法,即通过对图像进行平滑处理来衰减噪声,但是这种去噪处理方式容易丢失图像的细节信息,从而导致图像质量下降。与之相比,基于深度学习的图像去噪算法可以更好地提升图像去噪效果并减少细节损失,因此成为了图像去噪技术的新趋势。随着深度学习技术的不断发展和完善,越来越多的基于深度学习的图像去噪算法被提出,其中卷积神经网络应用最为广泛。值得注意的是,一些基于卷积神经网络的图像去噪算法仍然存在过拟合和泛化不足等问题,而这些问题的存在限制了这些算法的应用范围和效果。为了较好地解决这些问题,本文提出了一种基于像素注意力引导的卷积神经网络图像去噪算法PAGDNet,该算法主要集成了非对称卷积、像素注意力机制以及残差学习等技术,以提升图像去噪处理效率和去噪效果。具体而言,采用非对称卷积减少网络参数以降低计算成本,进而在一定程度上提升算法的图像去噪处理效率及降低其过拟合的发生。通过像素注意力机制引导算法更加关注于图像的多噪声像素和高频图像区域,使其更好地从含噪声的图像中提取出更多的噪声信息,以此实现提升图像去噪效果的目的。结合残差学习更好地解决深层神经网络训练困难问题,并防止梯度爆炸和消失,从而提高算法的训练效率和性能。仿真实验结果表明,在处理含合成噪声的图像、含盲噪声的图像以及含真实噪声的彩色图像这三大去噪任务时,与大多数先进的去噪算法相比,本文所提出的图像去噪算法PAGDNet具有更好的去噪效果。此外,本文所提出的图像去噪算法PAGDNet在去噪处理效率方面具有较强的竞争力。

关键词：图像去噪卷积神经网络非对称卷积像素注意力机制残差学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的图像去模糊关键技术研究

基于深度学习的图像去模糊关键技术研究

引用

作者：吴业云南昌航空大学

学位级别：硕士

生活中,受物体运动、相机抖动、光线散焦等多种因素的影响,拍摄的图像往往会产生严重模糊的现象。图像模糊不仅严重降低了图像的感官质量,而且对许多计算机视觉任务产生了很大的影响。图像去模糊旨在从模糊的图像中恢复潜在的清晰图像,... 详细信息

生活中,受物体运动、相机抖动、光线散焦等多种因素的影响,拍摄的图像往往会产生严重模糊的现象。图像模糊不仅严重降低了图像的感官质量,而且对许多计算机视觉任务产生了很大的影响。图像去模糊旨在从模糊的图像中恢复潜在的清晰图像,传统的去模糊方法大多针对简单、单一类型的模糊,基于学习的方法有了很大的进步。但是,由于复杂的动态场景,去除运动模糊造成的图像模糊核非均匀问题,仍然是图像去模糊任务中的艰巨挑战。并且,如何在恢复图像的纹理细节和模型参数之间取得平衡仍然是一个难题。本文主要贡献如下:首先,针对运动模糊核极其复杂的问题,本文利用可变形卷积设计了一个去模糊网络。该网络由三部分组成,第一部分是多尺度的特征金字塔模块,提取不同尺度的特征。第二部分是双通道残差模块,加强网络的特征提取能力。本文还添加了密集连接,这有助于较高层的特征更容易传递。第三部分是循环迭代模块,考虑到设计的模型不能一次循环就取得良好的去模糊效果,于是将第二部分获得的特征和模糊图像进行融合,再一次输入到网络的第一部分。经过两次循环,使得模型去模糊效果更好。在真实的数据集上,定性定量的评估表明本文设计的模型能很好的去除复杂的运动模糊,并且在模型尺寸,运行时间和去模糊图像的峰值信噪比、结构相似度方面可以与顶级的算法相比。其次,本文提出了一个新颖的去模糊方法:基于小波变换的卷积神经网络,它嵌入一级离散小波将模糊的图像分解为不同的频率域子图像带以分离图像的上下文、纹理信息,二级小波减小计算复杂度,加快训练速度。并且,本文还改编了Inception模块,通过添加通道缩放因子让每一个卷积核占有不同的权重,像素注意力机制进一步优化整个模块的参数配置,在达到原Inception模块相同功效的情况下,参数减少了3.5倍。本文的方法充分的结合了传统小波变换方法和深度学习方法的优势,在真实数据集和合成数据集上的实验结果表明,本文方法的去模糊性能可以与顶级的算法相媲美。此外,与传统的基于学习的去模糊方法相比,本文的模型在更少参数的情况下,去模糊的图像细节、纹理更丰富。

关键词：图像去模糊可变形卷积网络小波变换通道缩放因子像素注意力机制

来源：

同方学位论文库评论

在线全文

同方学位论文库

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

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

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：