检索结果-南通市图书馆

基于Swin Transformer目标全景分割的三峡库首土质滑坡识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

水利水电技术（中英文） 2024年第4期55卷 176-185页

作者：邓志勇黄海峰李清清周红张瑞柳青董志鸿三峡大学湖北长江三峡滑坡国家野外科学观测研究站湖北宜昌443002 三峡大学三峡库区地质灾害教育部重点实验室湖北宜昌443002 三峡大学湖北省水电工程智能视觉监测重点实验室宜昌市地质环境监测站湖北宜昌443002

【目的】滑坡识别是解决山区地质灾害隐患在哪里的关键。尤其人工智能是深度学习方法开始被广泛应用于目标识别领域,但对于多植被山区复杂环境下的滑坡隐患识别,存在着模型单一、精度较差等问题。【方法】故文章提出一种基于Swin Transf... 详细信息

【目的】滑坡识别是解决山区地质灾害隐患在哪里的关键。尤其人工智能是深度学习方法开始被广泛应用于目标识别领域,但对于多植被山区复杂环境下的滑坡隐患识别,存在着模型单一、精度较差等问题。【方法】故文章提出一种基于Swin Transformer(Shift Windows Transformer)作为骨干网络结合目标全景分割的智能识别方法,对三峡库首区域土质滑坡开展识别。将三峡库首的485处土质滑坡制作成样本集,并分为训练集和测试集。将训练集加载进Swin Transformer模型中进行训练,模型采用自注意力机制对训练集提取特征,构建特征图,测试集验证特征图的识别精度,保留识别精度最高的特征图。最终以此实现滑坡目标与背景区域的有效区分进而完成隐患识别,同时与DeepLab V3模型进行对比。【结果】结果显示:Swin Transformer模型在识别精度和识别速度上都要高于DeepLab V3模型,在三峡库首的试验中准确率可以达到83.55%,单张图片预测时间为0.18 s。【结论】结果表明:该方法能够在多植被山区复杂环境下快速识别土质滑坡,可为多植被山区的滑坡灾害调查提供参考。

关键词：三峡库首土质滑坡 Swin Transformer 全景分割隐患识别滑坡

在线全文

学校读者我要写书评

暂无评论

基于相似组提议的三维点云全景分割技术研究

基于相似组提议的三维点云全景分割技术研究

作者：吴超群北方工业大学

学位级别：硕士

全景分割任务旨在识别场景中的物体以及每个物体的种类,即语义分割和实例分割的结合。随着激光传感器技术、环境感知技术的发展,利用深度学习算法可对环境进行智能的语义分割和实例分割,两者相结合的全景分割在地理信息系统、无人驾驶... 详细信息

全景分割任务旨在识别场景中的物体以及每个物体的种类,即语义分割和实例分割的结合。随着激光传感器技术、环境感知技术的发展,利用深度学习算法可对环境进行智能的语义分割和实例分割,两者相结合的全景分割在地理信息系统、无人驾驶等领域中具有极大的应用价值。相较于视觉传感器,激光雷达传感器具有测量精度高、距离远、不易受光照、物体表面纹理、地面杂波影响等显著优势,表现出卓越的鲁棒性和稳定性,已在智能机器人、智能汽车环境感知和地理信息测绘等任务中扮演着重要角色。三维点云具有非结构化、密度不均匀、信息遮挡等特点,因此提取点云特征和提议相似组是点云全景分割任务中的难点和关键,三维点云全景分割是兼具复杂性和创新型的研究课题。为了实现高性能的激光雷达点云全景分割,本文完成的工作如下:1)提出LASNet三维点云全景分割网络。主要内容包括:第一,提出基于注意力机制的轻量化特征提取器。使用RDS采样算法将模型轻量化,提升单位时间内模型的数据处理量,从而提升模型鲁棒性;将注意力机制引入点云全景分割任务,增强模型对点云结构特征的捕捉能力,提升模型的特征提取性能。第二,提出SCBGK相似组提议算法。以局部密度计算取代全局密度计算,增强非均匀点云中点分布特征表达的合理性,从而提高在非均匀点云中进行相似组提议的性能。该网络在Semantic KITTI数据集上达到了52.1%PQ(全景质量)。2)提出LiPSNet三维点云全景分割网络。主要内容包括:第一,提出基于空间编码的图卷积PConv-SE。将卷积操作引入非结构化点云的全景分割特征提取工作,增强了网络对点云局部上下文特征和全局特征的学习能力,提升了网络的特征提取性能;设计了空间编码单元,对局部点云中的相对位置关系进行编码并嵌入,增强了点云特征对空间结构信息的表达能力。第二,设计了可训练的双分支结构的相关性图计算模块。通过二值化的激活分支增强非均匀点云中的点对点相关性表达的合理性。从而提升了基于相关性图的相似组提议算法的性能。该网络在Semantic KITTI数据集上达到了54.2%PQ。

关键词：激光雷达点云全景分割语义分割实例分割

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

全景分割研究综述

自动化学报 2021年第3期47卷 549-568页

作者：徐鹏斌瞿安国王坤峰李大字北京化工大学信息科学与技术学院北京100029

在计算机视觉领域,全景分割是一个新颖且重要的研究主题,它是机器感知、自动驾驶等新兴前沿技术的基石,具有十分重要的研究意义.本文综述了基于深度学习的全景分割研究的最新进展,首先总结了全景分割任务的基本处理流程,然后对已发表的... 详细信息

在计算机视觉领域,全景分割是一个新颖且重要的研究主题,它是机器感知、自动驾驶等新兴前沿技术的基石,具有十分重要的研究意义.本文综述了基于深度学习的全景分割研究的最新进展,首先总结了全景分割任务的基本处理流程,然后对已发表的全景分割工作基于其网络结构特点进行分类,并进行了全面的介绍与分析,最后对全景分割任务目前面临的问题以及未来的发展趋势做出了分析,并针对所面临的问题提出了一些切实可行的解决思路.

关键词：全景分割语义分割实例分割深度学习

基于卷积神经网络的全景分割Transformer模型

在线全文

学校读者我要写书评

暂无评论

软件学报 2023年第7期34卷 3408-3421页

作者：毛琳任凤至杨大伟张汝波大连民族大学机电工程学院辽宁大连116600

提出一种基于卷积神经网络的Transformer模型来解决全景分割任务,方法借鉴CNN在图像特征学习方面的先天优势,避免了Transformer被移植到视觉任务中所导致的计算量增加.基于卷积神经网络的Transformer模型由执行特征域变换的映射器和负... 详细信息

提出一种基于卷积神经网络的Transformer模型来解决全景分割任务,方法借鉴CNN在图像特征学习方面的先天优势,避免了Transformer被移植到视觉任务中所导致的计算量增加.基于卷积神经网络的Transformer模型由执行特征域变换的映射器和负责特征提取的提取器这两种基本结构构成,映射器和提取器的有效结合构成了该模型的网络框架.映射器由一种Lattice卷积模型实现,通过对卷积滤波器进行设计和优化来模拟图像的空间关系.提取器由链式网络实现,通过链式单元堆叠提高特征提取能力.基于全景分割的结构和功能,构建了基于CNN的全景分割Transformer网络.在MS COCO和Cityscapes数据集的实验结果表明,所提方法具有优异的性能.

关键词：全景分割卷积神经网络 Transformer 语义分割实例分割

在线全文

学校读者我要写书评

暂无评论

双向特征金字塔全景分割网络

吉林大学学报（工学版） 2022年第3期52卷 657-665页

作者：毛琳任凤至杨大伟张汝波大连民族大学机电工程学院辽宁大连116600

针对传统特征金字塔网络应用于全景分割领域存在的不足,提出了一种双向特征金字塔全景分割网络(T-FPN),解决了特征金字塔单向传递统一特征输出与全景分割双线任务特征需求的矛盾。根据图像前、背景的差异分析,按照前、背景分割任务的不... 详细信息

针对传统特征金字塔网络应用于全景分割领域存在的不足,提出了一种双向特征金字塔全景分割网络(T-FPN),解决了特征金字塔单向传递统一特征输出与全景分割双线任务特征需求的矛盾。根据图像前、背景的差异分析,按照前、背景分割任务的不同需求构建了双向传递路径。使用上采样自上而下传递加强前景特征,利用空洞卷积自下而上传播增强背景特征,以双向网络同时提取前景特征和背景特征,营造前、背景分割精度的动态平衡,从而提高全景分割的质量。在MS COCO和Cityscapes数据集上的实验结果表明,本文提出的双向特征金字塔全景分割网络在分割精度上优于现存同类方法,与使用传统特征金字塔提取特征的全景分割算法UPSNet相比,PQ值提高了0.47%。

关键词：计算机应用全景分割特征金字塔前景背景空洞卷积

在线全文

学校读者我要写书评

暂无评论

基于深度学习的全景分割及应用研究

信息系统工程 2024年第1期 121-124页

作者：曾文英广东科学技术职业学院计算机工程技术学院(人工智能学院)

随着计算机视觉领域的迅速发展,全景图像分割技术逐渐受到研究者的关注。进行了相关研究,以便为全景分割深入应用提供基础。探讨了基于深度学习的全景分割网络结构及算法、基于深度学习的全景分割训练策略。进行了相关实验分析与应用研... 详细信息

随着计算机视觉领域的迅速发展,全景图像分割技术逐渐受到研究者的关注。进行了相关研究,以便为全景分割深入应用提供基础。探讨了基于深度学习的全景分割网络结构及算法、基于深度学习的全景分割训练策略。进行了相关实验分析与应用研究。基于深度学习的全景分割应用领域广泛,如自动驾驶、VR/AR、医学影像分析等,应用前景将持续创新。

关键词：全景分割深度学习卷积神经网络全卷积神经网络应用研究

K-Query:基于关键点查询的全景分割方法

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

计算机学报 2023年第8期46卷 1693-1708页

作者：姚治成王卅包云岗中国科学院计算技术研究所北京100190 中国科学院大学北京100190

全景分割是图像语义分割与实例分割的融合,在自动驾驶、机器人应用等领域有重要应用价值.在当前基于深度学习的全景分割方法中,基于“查询”的方法在分割流程上统一了语义分割任务和实例分割任务,取得了当前最优全景分割效果.该类方法... 详细信息

全景分割是图像语义分割与实例分割的融合,在自动驾驶、机器人应用等领域有重要应用价值.在当前基于深度学习的全景分割方法中,基于“查询”的方法在分割流程上统一了语义分割任务和实例分割任务,取得了当前最优全景分割效果.该类方法将自然语言处理中的注意力机制应用到了图像分割领域,然而由于输入图片数据量远大于文本句子数据量,该方法无法直接采用输入数据作为查询向量,为此构建了固定数量的静态向量作为“查询”.但是,该静态查询设计存在查询向量个数不好确定,容易出现实例表示混淆等问题.在基于静态查询的设计中,需要人为地根据经验去设定实例查询向量的个数,但是在实际情况中,输入图片中实例的个数不是固定的,在动态变化.如果把需要的查询向量个数设置的太少,少于图片中的实例数,则多的实例就无法表示.且由于每一个查询向量在解析过程中都会生成一张对应的掩码图片,多一倍的查询向量就会多一倍的资源开销,因此如果设置了太多的查询向量,在一些图片输入下就可能导致大量的资源浪费.另一方面,由于静态设置的查询向量和需要解析的输入图片不相关,在某些情况下,一个静态查询向量可能会得到多个事物的掩码,或者多个静态查询向量得到相同物体的掩码,导致查询向量在事物表示上发生混淆.为了解决该问题,我们期望查询向量是动态的,和输入图片中待查询的事物相关,且每个查询向量之间都具有一定的可区分性,为此本文提出了一种基于目标物体关键点的动态查询全景分割方法,称之为K-Query.为了让实例查询向量与图片中的实例直接关联,并在它们之间具有一定的区分距离,本方法首先将图片中的实例通过深度神经网络映射为可区分的高维嵌入编码,并保证同一个物体对应像素点的编码距离足够近,不同物体间像素点的编码距离足够远,然后基于快速“行列式”聚类方法为每一个物体都挑选一个对应的高维嵌入编码和对应的位置编码作为最终的实例查询向量.K-Query方法中的查询向量,动态地来自于输入图片中目标物体自身的高维嵌入编码,能避免静态查询面临的问题,进一步提升了全景分割性能.本文基于detectron2框架对K-Query进行了实现,并在多个数据集上进行了验证.测试结果表示,在Res50的骨干网络配置下,K-Query在Cityscapes val数据集上的全景分割结果为63.2%PQ,在COCO panoptic 2017 val数据集上的PQ值为52.9%,相比当前最优全景分割方法,它在PQ值上分别提升了1.1和1.0个点(points).

关键词：深度学习图像分割聚类实例分割全景分割

融合改进ASPP和极化自注意力的自底向上全景分割

在线全文

学校读者我要写书评

暂无评论

中国图象图形学报 2023年第8期28卷 2410-2419页

作者：李新叶陈丁华北电力大学电子与通信工程系保定071003 华北电力大学河北省电力物联网技术重点实验室保定071003

目的针对ASPP(atrous spatial pyramid pooling)在空洞率变大时空洞(atrous)卷积效果会变差的情况,以及图像分类经典模型ResNet(residual neural network)并不能有效地适用于细粒度图像分割任务的问题,提出一种基于改进ASPP和极化自注... 详细信息

目的针对ASPP(atrous spatial pyramid pooling)在空洞率变大时空洞(atrous)卷积效果会变差的情况,以及图像分类经典模型ResNet(residual neural network)并不能有效地适用于细粒度图像分割任务的问题,提出一种基于改进ASPP和极化自注意力的自底向上全景分割方法。方法重新设计ASPP模块,将小空洞率卷积的输出与原始输入进行拼接(concat),将得到的结果作为新的输入传递给大空洞率卷积,然后将不同空洞率卷积的输出结果拼接,并将得到的结果与ASPP中的其他模块进行最后拼接,从而改善ASPP中因空洞率变大导致的空洞卷积效果变差的问题,达到既获得足够感受野的同时又能编码多尺度信息的目的;在主干网络的输出后引入改进的极化自注意力模块,实现对图像像素级的自我注意强化,使其得到的特征能直接适用于细粒度像素分割任务。结果本文在Cityscapes数据集的验证集上进行测试,与复现的基线网络Panoptic-DeepLab(58.26%)相比,改进ASPP模块后分割精度PQ(panoptic quality)(58.61%)提高了0.35%,运行时间从103 ms增加到124 ms,运行速度没有明显变化;通过进一步引入极化自注意力,PQ指标(58.86%)提高了0.25%,运行时间增加到187 ms;通过对该注意力模块进一步改进,PQ指标(59.36%)在58.86%基础上又提高了0.50%,运行时间增加到192 ms,速度略有下降,但实时性仍好于大多数方法。结论本文采用改进ASPP和极化自注意力模块,能够更有效地提取适合细粒度像素分割的特征,且在保证足够感受野的同时能编码多尺度信息,从而提升全景分割性能。

关键词：全景分割语义分割实例分割极化自注意力 ASPP

在线全文

学校读者我要写书评

暂无评论

多尺度注意力引导的全景分割网络

计算机工程与应用 2023年第22期59卷 223-232页

作者：付都瞿绍军付亚湖南师范大学信息科学与工程学院长沙410081 国网湖南超高压变电公司长沙410004

全景分割是近年来新提出的图像分割任务。现有全景分割模型大都对前景实例对象和背景未定形区采用不同的方式进行特征表示,因此需要额外的后处理和融合操作来处理各种实例重叠和语义冲突问题。全卷积全景分割网络实现了统一的特征表示,... 详细信息

全景分割是近年来新提出的图像分割任务。现有全景分割模型大都对前景实例对象和背景未定形区采用不同的方式进行特征表示,因此需要额外的后处理和融合操作来处理各种实例重叠和语义冲突问题。全卷积全景分割网络实现了统一的特征表示,省去了这些复杂操作,但其对于前景实例对象的分割准确率不高,对图像中远距离小目标的分割效果不是很理想。针对这些问题,基于全卷积全景分割网络进行改进优化,提出一种多尺度注意力引导的全景分割网络。首先改进特征提取网络,通过在主干网中添加一条自底向上的辅助路径来增强模型的多尺度特征获取能力。其次提出一种注意力模块,通过将空洞空间金字塔池化与通道注意力融合,来引导卷积核更新,生成更匹配的权重。在Cityscapes数据集上与全卷积全景分割网络进行对比实验,图像实例级全景分割质量提高了2.74个百分点,背景未定形区全景分割质量和综合全景分割质量分别提高了1.36个百分点和1.94个百分点,对于交通灯和摩托车等小物体的类别检测准确率分别提高了4.4个百分点和8.3个百分点。提出的全景分割网络综合了全卷积全景分割网络、多尺度特征及注意力机制的优点,使得图像实例级全景分割准确率更高。

关键词：图像分割全景分割全卷积全景分割网络多尺度特征注意力模块空洞空间金字塔池化