检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于改进的YOLOX血细胞检测算法研究

电子测量技术 2022年第22期45卷 177-184页

作者：易见兵黄苏泉曹锋李俊江西理工大学信息工程学院赣州341000

血细胞计数是一种常见的临床检验方法。针对血液显微镜图像中的血细胞种类不均匀、密集且相互遮挡导致现有血细胞检测方法准确率不高,提出了一种改进的YOLOX血细胞检测算法。该算法首先在损失函数中引入Focal loss以改善单阶段目标检测... 详细信息

血细胞计数是一种常见的临床检验方法。针对血液显微镜图像中的血细胞种类不均匀、密集且相互遮挡导致现有血细胞检测方法准确率不高,提出了一种改进的YOLOX血细胞检测算法。该算法首先在损失函数中引入Focal loss以改善单阶段目标检测算法正负样本的不平衡和细胞种类不均匀的问题;接着在残差模块中引入混合注意力机制,减少了血细胞相互遮挡造成的漏检、错检的概率;然后在特征融合尾部引入自适应空间特征融合模块以提高特征表达能力;最后在残差模块中引入逆深度可分离卷积模块在减少模型参数的同时还略微提高检测精度。提出的算法在BCCD血细胞数据集进行了测试,改进后的YOLOX算法在血细胞数据集上的检测精度达到了92.5%,相比YOLOX算法提升了2.4%,且减少了8%的模型参数量;该算法在COCO2017通用数据集上的检测精度达到了41.7%,相对于原始YOLOX算法提升了1.2%。

关键词：目标检测分离卷积注意力机制特征融合 Focal loss

在线全文

学校读者我要写书评

暂无评论

CUDA架构下高效红外图像背景预测方法

西安电子科技大学学报 2011年第6期38卷 44-51页

作者：吴鑫张建奇刘德连黄曦何国经西安电子科技大学技术物理学院陕西西安710071

红外图像背景预测方法是红外图像弱小目标探测与跟踪中的经典方法.针对背景预测算法中卷积运算耗时长的问题,提出一种基于CUDA(Compute Unified Device Architecture)的高效红外图像背景预测方法.在分析背景预测算法执行流程的基础上,... 详细信息

红外图像背景预测方法是红外图像弱小目标探测与跟踪中的经典方法.针对背景预测算法中卷积运算耗时长的问题,提出一种基于CUDA(Compute Unified Device Architecture)的高效红外图像背景预测方法.在分析背景预测算法执行流程的基础上,充分考虑CUDA架构的特点,将其在CUDA架构下进行了重新实现,利用GPU(Graphic Processing Unit)的强大并行计算能力完成红外图像背景预测的快速计算.为了进一步提升算法的运行效率,将不可分离的背景预测卷积模板分解为多个可分离模板的叠加,并给出了分解卷积模板的一般方法.将该方法应用于实际的红外图像背景预测,结果表明,该方法比传统的CPU计算在运算效率上提高了130倍以上.

关键词：红外探测高效运算背景预测分离卷积 CUDA

在线全文

学校读者我要写书评

暂无评论

基于注意力残差卷积网络的视频超分辨率重构

长春理工大学学报（自然科学版） 2020年第1期43卷 82-88页

作者：董猛吴戈曹洪玉景文博于洪洋长春理工大学电子信息工程学院长春130022 长春理工大学光电工程学院长春130022

目前卷积神经网络已经成为视频超分辨率重构的主流方法。针对目前方法存在着细节信息恢复效果不理想、感知质量差的缺点,提出了一种结合注意力机制的残差卷积网络。通过一维通道注意力与二维空间注意力增强目标物体特征映射,完善重构图... 详细信息

目前卷积神经网络已经成为视频超分辨率重构的主流方法。针对目前方法存在着细节信息恢复效果不理想、感知质量差的缺点,提出了一种结合注意力机制的残差卷积网络。通过一维通道注意力与二维空间注意力增强目标物体特征映射,完善重构图像的细节信息,并为单一像素计算一维分离卷积核,显著减少网络计算负担。采用特征损失与像素损失组合函数来训练神经网络以产生高质量的视频帧。实验结果表明,通过PSNR,SSIM和感知距离将所提模型与当前最先进的模型进行比较,该模型能够获得最优的感知距离,重构图像拥有较高的感知质量。

关键词：注意力机制超分辨率分离卷积特征损失

一种基于注意力残差网络的的卫星图像翻译方法

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2021年

作者：王晋宇张长弓杨海涛冯博迪李高源高宇歌航天工程大学航天信息学院

卫星图像翻译是生成对抗网络的重要应用场景之一，现有的卫星图像翻译存在生成质量低、泛化能力弱、计算代价高等问题。本文在循环生成对抗网络的基础上，通过设计轻量化的注意力残差模块来提高图像翻译质量以及减少模型的参数计算量，... 详细信息

卫星图像翻译是生成对抗网络的重要应用场景之一，现有的卫星图像翻译存在生成质量低、泛化能力弱、计算代价高等问题。本文在循环生成对抗网络的基础上，通过设计轻量化的注意力残差模块来提高图像翻译质量以及减少模型的参数计算量，同时引入了最小二乘损失来提高训练过程的稳定性。实验结果表明，本文方法在保持高训练稳定性、低模型计算量的前提下，在卫星图像翻译任务中具有最优的翻译质量。

关键词：循环生成对抗网络注意力机制分离卷积最小二乘损失

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

深度学习在洪涝灾害评估方面的关键技术研究

深度学习在洪涝灾害评估方面的关键技术研究

作者：宗达青岛科技大学

学位级别：硕士

我国地势西高东低,盆地、丘陵等错落分布,同时年际降雨量分配不均匀,强降雨无法及时排出,导致洪涝灾害频发,使得农作物受灾减产,房屋等建筑物损坏,威胁到人民的生命和财产安全。因此,及时准确的洪涝灾害评估技术,能够给政府决策者提供... 详细信息

我国地势西高东低,盆地、丘陵等错落分布,同时年际降雨量分配不均匀,强降雨无法及时排出,导致洪涝灾害频发,使得农作物受灾减产,房屋等建筑物损坏,威胁到人民的生命和财产安全。因此,及时准确的洪涝灾害评估技术,能够给政府决策者提供准确的数据支持,对于挽救人们的生命财产安全具有重要意义。卫星遥感是一种非接触式的遥远感知手段,通过传感器对目标进行远距离探测,具有快速、大尺度、高精度等特点,可以满足洪水淹没范围提取过程中大范围、实时的需求,目前已较为广泛的应用在洪涝灾害领域。但是当下基于遥感图像的洪涝灾害信息提取方法还存在着精度低、效率低等难题。随着计算机和人工智能技术的发展,深度学习在信息提取方面显示出了强大的优势,在目标检测、图像分类等多个领域出色的完成了任务。因此,本文基于遥感卫星图像,开展了深度学习在洪涝灾害评估方面的关键技术研究,主要工作和创新点如下:1、本文调研了洪涝灾害评估相关的国内外研究现状,通过遥感图像对洪涝灾害的受灾范围和受灾区地物类型的两个信息提取进行研究,从受灾面积与受灾地物两个方面对灾情进行评估。为了解决灾害期间云层厚,光学遥感影像难成像的问题,灾情期间使用雷达图像对受灾区的范围进行提取;使用灾害发生前的高光谱图像对同一地区进行地物分类,通过叠加分析,获取受灾区的地物类型。本文重点研究通过深度学习方法在受灾区地物类型提取方面的应用。2、提出了一种基于雷达图像的受灾区范围提取算法流程,针对灾害发生前后的雷达数据,由于水体与背景在图像中显示较大差异,使用大津法（Otsu）作为水淹区与背景的分割方法,能够自动获取图像最优阈值,节省了人工决定阈值的时间,相比于直方图阈值分割法、分水岭算法,具有更好的效果,更高精度的将水与背景分离,同时结合帧差法和多种图像去噪算法,去除雷达成像、校正过程中带来的误差,能够准确获取受灾区的范围。3、提出了一种基于分离卷积（Separable convolution）与密集连接（Dense connection）的轻量级神经网络SDLN模型,用于受灾区地物类型的识别。使用Indian Pines等3个公开数据集和珠海一号高光谱数据,从算法准确率、运行时间两方面进行实验,相比于其他SOTA神经网络算法和经典机器学习算法,取得了最优结果,整体精度平均提高约2%,训练时间与测试时间缩短10%以上,证明该深度学习算法模型的优越性;同时设置网络输入大小实验、消融实验,验证了9×9大小的输入数据效果最好,也验证了分离卷积和密集连接的有效性。4、基于得到的受灾范围和受灾区的地物类别信息,根据图像分辨率,统计每一类地物被水淹没的面积,得到像素级别的洪涝灾害损失结果,最后使用灾情强度评估公式,对灾情进行初步估计。

关键词：洪涝灾害损失评估深度学习遥感影像分离卷积

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

基于机器视觉的无纺布疵点在线检测系统研究

基于机器视觉的无纺布疵点在线检测系统研究

作者：刘海平华中科技大学

学位级别：硕士

疵点是影响无纺布质量等级的最主要因素,疵点检测是其质量管理的重要环节。传统的布匹疵点检验依靠人工主观判别,缺乏检验的一致性和可靠性。随着现代工业发展对无纺布质量和产量需求的日益增长,人工检测的精度和速度均不能满足要求,基... 详细信息

疵点是影响无纺布质量等级的最主要因素,疵点检测是其质量管理的重要环节。传统的布匹疵点检验依靠人工主观判别,缺乏检验的一致性和可靠性。随着现代工业发展对无纺布质量和产量需求的日益增长,人工检测的精度和速度均不能满足要求,基于机器视觉的疵点检测技术已经成为了研究热点和发展趋势。本文基于实际的应用课题,针对图像采集过程中背景灰度不一致问题,采用灰度均值规范化和同态滤波的预处理方法消除光照不均的影响。针对检测系统实时性和准确性要求,本文采用了一种分层检测的算法结构,首先采用实时性较好的灰度共生矩阵方法判别疵点,再对疵点图像进行二维Gabor滤波特征提取和分离。共生矩阵的方法能够判别出明显疵点,但不能分离疵点且对隐性疵点判别力不足;Gabor滤波算法的检测准确性和通用性更好,但实时性不足。针对Gabor滤波检测算法实时性不足的问题,本文采用了两个方面的优化方法:(1)在算法实现时只取复数Gabor滤波器的实部与图像进行卷积,并将二维卷积分解成两个不同方向上的一维卷积运算,该方法仍能有效检测出疵点,同时降低了算法复杂度,减少了计算量;(2)利用GPU(Graphics Processing Unit)高性能并行计算平台实现基于分离卷积的二维Gabor滤波方法,并对该方法在CUDA(Compute Unified Device Architecture)上多种实现方式的实时性进行了研究。对比实验表明,使用共享存储器最优化实现效率最高,可以达到80倍的加速比。最后,本文从硬件和软件两个方面简述了疵点检测系统的结构与实现,并对全文工作进行了总结,同时提出了目前研究存在的问题及下一步工作方向。

关键词：无纺布疵点灰度共生矩阵 Gabor滤波器分离卷积 GPU并行计算

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

复杂环境下多目标快速检测的研究与应用

复杂环境下多目标快速检测的研究与应用

作者：申磊电子科技大学

学位级别：硕士

让机器为人工作一直是人类的追求,从工业革命机器解放了手工劳动者,到汽车代替了步行,到电脑解放了人类的计算。人类不断的发明新的东西,其目的大多是为了帮助人类。而在这方面最远大的追求无疑是发明一个像人类一样的机器,来帮助人类... 详细信息

让机器为人工作一直是人类的追求,从工业革命机器解放了手工劳动者,到汽车代替了步行,到电脑解放了人类的计算。人类不断的发明新的东西,其目的大多是为了帮助人类。而在这方面最远大的追求无疑是发明一个像人类一样的机器,来帮助人类完成人类需要完成的一切。发明这样的机器以目前的技术来看还很遥远,但是如果发明一个拥有像人类视觉的机器似乎将要到来。计算机视觉就是在做这样的事情,而目标检测技术则是计算机视觉最核心的内容。目标检测的目标旨在让计算机理解图像中有什么以及它们在哪里?这项技术的进步将在很多领域帮助到人类,如监控,字符串识别,癌症检测等等,因此对目标检测的研究尤为重要。本文的主要工作是提出了一个复杂环境下的目标检测算法,其主要工作如下:提出了一个复杂环境下的多目标检测算法SFD-Net(Separable focal detector network,SFD-Net),该网络设计主要包含在两个方面,骨干网络和头部网络,骨干网络的设计采用了经典的VGG网络用作图像的特征抽取,头部网络的设计中采用了自己提出的DS Block用来融合特征,使低层次的卷积网络有了更好的特征表达,有利于网络提升小目标的检测效果。在对目标类别预测的时候使用了focal loss以便使整个网络更好的优化目标而不是背景。最后在整个网络的设计上采用了一阶目标检测算法的方案,在保证目标检测的精度下几乎不会损失速度。设计了一个目标检测系统,该系统包含了数据预处理模块,模型训练模块,模型测试模块和目标检测模块。各个模块都可以独立使用,本文设计的SFD-Net长达两个月的实验均使用了该系统的模块。为了验证SFD-Net网络的有效性,本文在两个标准数据集Pascal VOC和MS COCO和自制数据集Panda上分别作了实验。第一个实验基于Pascal VOC数据集,证明了SFD-Net在目标检测上上的有效性以及各类别测准率与类别分布并无直接相关关系;第二个实验基于MS COCO数据集,证明SFD-Net在复杂环境下的目标检测能力以及对于小目标的检测有明显提升;第三个实验基于自制的Panda数据集,证明了SFD-Net在Panda数据集上的有效性和迁移学习过程中冻结参数的优势。证明了SFD-Net的有效性。

关键词：目标检测特征融合深度学习分离卷积