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

3D多尺度深度卷积神经网络肺结节检测

中国图象图形学报 2021年第7期26卷 1716-1725页

作者：孙华聪彭延军郭燕飞张晓庆山东科技大学青岛266590

目的肺结节是肺癌的早期存在形式。低剂量CT(computed tomogragphy)扫描作为肺癌筛查的重要检查手段,已经大规模应用于健康体检,但巨大的CT数据带来了大量工作,随着人工智能技术的快速发展,基于深度学习的计算机辅助肺结节检测引起了关... 详细信息

目的肺结节是肺癌的早期存在形式。低剂量CT(computed tomogragphy)扫描作为肺癌筛查的重要检查手段,已经大规模应用于健康体检,但巨大的CT数据带来了大量工作,随着人工智能技术的快速发展,基于深度学习的计算机辅助肺结节检测引起了关注。由于肺结节尺寸差别较大,在多个尺度上表示特征对结节检测任务至关重要。针对结节尺寸差别较大导致的结节检测困难问题,提出一种基于深度卷积神经网络的胸部CT序列图像3D多尺度肺结节检测方法。方法包括两阶段:1)尽可能提高敏感度的结节初检网络;2)尽可能减少假阳性结节数量的假阳性降低网络。在结节初检网络中,以组合了压缩激励单元的Res2Net网络为骨干结构,使同一层卷积具有多种感受野,提取肺结节的多尺度特征信息,并使用引入了上下文增强模块和空间注意力模块的区域推荐网络结构,确定候选区域;在由Res2Net网络模块和压缩激励单元组成的假阳性降低网络中对候选结节进一步分类,以降低假阳性,获得最终结果。结果在公共数据集LUNA16(lung nodule analysis 16)上进行实验,实验结果表明,对于结节初检网络阶段,当平均每例假阳性个数为22时,敏感度可达到0.983,相比基准ResNet+FPN(feature pyramid network)方法,平均敏感度和最高敏感度分别提高了2.6%和0.8%;对于整个3D多尺度肺结节检测网络,当平均每例假阳性个数为1时,敏感度为0.924。结论与现有主流方案相比,该检测方法不但提高了肺结节检测的敏感度,还有效地控制了假阳性,取得了更优的性能。

关键词：肺结节检测卷积神经网络(CNN) 多尺度区域推荐网络上下文增强空间注意力假阳性降低

一种基于孪生网络的高鲁棒性实时单目标船舶跟踪方法

在线全文

学校读者我要写书评

暂无评论

舰船科学技术 2019年第23期41卷 103-108页

作者：张云飞黄润辉单云霄周晓梅珠海云洲智能科技有限公司广东珠海519080 中山大学数据科学与计算机学院广东广州510275

视觉目标跟踪在各种海事应用中发挥着重要作用。然而,现有的跟踪方法大多属于生成模型,只关注对象的特征,忽略背景信息。因此,对目标的视觉显著性有更高的要求。本文将深度学习方法应用于船舶跟踪,提出使用孪生网络和区域推荐网络的海... 详细信息

视觉目标跟踪在各种海事应用中发挥着重要作用。然而,现有的跟踪方法大多属于生成模型,只关注对象的特征,忽略背景信息。因此,对目标的视觉显著性有更高的要求。本文将深度学习方法应用于船舶跟踪,提出使用孪生网络和区域推荐网络的海上船舶跟踪方法。为进一步提高跟踪性能,参照AlexNet网络对孪生网络的CNN模块进行修改,并提出一种基于历史轨迹的自适应搜索区域提取方法,以适应不同的运动场景。利用数据集对所提出的跟踪器进行评估。结果表明,在使用Intel Xeon CPU E5-2620,GTX TITAN的PC机上可以达到58%的平均精度和124.21 FPS。

关键词：海事环境孪生网络区域推荐网络单目标跟踪

基于改进Mask R-CNN模型的电力场景目标检测方法

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2020年第8期20卷 3134-3142页

作者：孔英会王维维张珂戚银城华北电力大学电子与通信工程学院保定071003

为了解决电力施工现场中安全帽佩戴情况以及危险区域行人入侵检测问题,提出一种基于改进Mask R-CNN模型的目标检测方法。首先依据迁移学习策略对Mask R-CNN主干网络进行参数初始化,以提取图像基本特征;然后引入特征金字塔结构进行自下... 详细信息

为了解决电力施工现场中安全帽佩戴情况以及危险区域行人入侵检测问题,提出一种基于改进Mask R-CNN模型的目标检测方法。首先依据迁移学习策略对Mask R-CNN主干网络进行参数初始化,以提取图像基本特征;然后引入特征金字塔结构进行自下而上的特征图提取,完成多尺度特征融合;接着,通过多尺度变换方法对区域推荐网络进行调整,获取锚点进行回归计算完成检测实验;最终对结果进行分析评价,多目标平均准确率达到了95.22%。将改进后的Mask R-CNN模型用于监控视频分析,针对监控视频像素过低问题,加入拉普拉斯算法锐化边缘,精准率提高到90.9%,验证了拉普拉斯算法对低质量监控视频检测的有效性。

关键词： Mask R-CNN模型电力施工现场目标检测特征金字塔区域推荐网络

无人车驾驶场景下的多目标车辆与行人跟踪算法

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 2021年第3期42卷 542-549页

作者：顾立鹏孙韶媛李想刘训华宋奇奇东华大学信息科学与技术学院上海201620

考虑到现有的基于检测的多目标跟踪算法多会出现因目标漏检或数据关联算法冗余而造成的目标ID频繁切换、跟踪轨迹断开等问题,提出了无人车驾驶场景下的多目标车辆与行人跟踪算法.首先,选取CenterNet网络作为目标检测器,并用嵌入了1×1... 详细信息

考虑到现有的基于检测的多目标跟踪算法多会出现因目标漏检或数据关联算法冗余而造成的目标ID频繁切换、跟踪轨迹断开等问题,提出了无人车驾驶场景下的多目标车辆与行人跟踪算法.首先,选取CenterNet网络作为目标检测器,并用嵌入了1×1卷积和SE-Net的Res2Net来替代网络原有的残差单元,以提升网络对空间信息和通道信息的提取能力,提高目标检测器性能.接着,用孪生网络来提取目标所在区域的特征,进行关联概率度量,再用匈牙利算法对相邻帧目标进行关联.最后,用区域推荐网络设计的辅助跟踪器对漏检或消失又出现的目标进行持续跟踪,并将可靠的跟踪结果合并到轨迹中.实验结果表明,与已有的方法对比,所提方法在KITTI跟踪基准数据集上对于车辆与行人的跟踪具有竞争力.

关键词：机器视觉目标检测孪生网络区域推荐网络多目标跟踪

在线全文

学校读者我要写书评

暂无评论

基于改进RPN的车载导航目标识别技术

激光与红外 2022年第6期52卷 833-837页

作者：史俊莉河南工业职业技术学院河南南阳473000

车载导航是无人驾驶的一项关键技术,而其主要技术难点是动态避障,即实时目标识别与反馈控制。为了能够实时获取车辆周围目标的运动状态,提出了一种基于三维点云数据快速体素化分析的识别算法。该算法以极坐标系替代直角坐标系,直接与车... 详细信息

车载导航是无人驾驶的一项关键技术,而其主要技术难点是动态避障,即实时目标识别与反馈控制。为了能够实时获取车辆周围目标的运动状态,提出了一种基于三维点云数据快速体素化分析的识别算法。该算法以极坐标系替代直角坐标系,直接与车载激光雷达建立映射关系。再通过区域推荐网络技术中对区域框的限定计算完成可表征目标特征的准确定位。实验采用开源数据库KITTI中的点云数据进行验证,对比了动态目标(汽车、摩托车、行人)和静态目标(树木、楼宇)之间的点云特征。识别结果与两种常用的三维目标识别算法进行对比。结果显示本算法的最优平均精度为88.45%,最优平均方向相似度为93.27%,相比常用的SECOND算法对动态目标的识别具有更好的效果。验证了其可行性,其在车载导航目标识别领域具有一定的优势。

关键词：目标识别点云数据体素化区域推荐网络

在线全文

学校读者我要写书评

暂无评论

基于机器学习的道路交通标志的检测与识别

基于机器学习的道路交通标志的检测与识别

作者：曾锐北京邮电大学

学位级别：硕士

随着经济的迅速发展,城市交通拥堵的情况日益严重,对城市的发展造成了严重影响。智能交通系统(ITS)应运而生并发展迅速。道路交通标志识别系统作为智能交通系统的重要组成部分,在辅助驾驶,交通管理,无人驾驶等领域均起着重要作用。作为... 详细信息

随着经济的迅速发展,城市交通拥堵的情况日益严重,对城市的发展造成了严重影响。智能交通系统(ITS)应运而生并发展迅速。道路交通标志识别系统作为智能交通系统的重要组成部分,在辅助驾驶,交通管理,无人驾驶等领域均起着重要作用。作为智能交通系统的一个重要研究方向,道路交通标志识别研究也在不断深入。而现在对于道路交通标志识别的准确性、实时性、有效性的方法的追求也更加精益求精,道路交通标志识别技术对于整个智能交通系统的发展有着非常重大的意义。本文在总结了道路交通标志识别技术研究现状的基础上也分析了道路交通标志识别技术研究的难点以及现有的方法,对道路交通标志检测算法和分类算法进行了研究与改进。本文的主要工作如下:(1)构建道路交通标志数据集。本文所使用的原始数据集是GTSB官方数据集。数据集包括分类数据集和检测数据集,分别用于分类和目标检测实验。(2)本文介绍了传统算法在道路交通标志识别中的应用,并介绍了图像增强技术,使得目标区域更加精准的被提取出来。再利用颜色空间模型,形状检测技术提取道路交通标志的特征,并且使用HOG和SVM结合的方法进行识别。(3)实现了一种基于R-CNN作为交通标志检测算法。针对传统基于颜色和形状信息的区域推荐算法对颜色和形状变化过于敏感的问题,本文选用神经网络(RPN)作为区域推荐算法,鲁棒性更强、推荐区域的质量更好。文中使用卷积神经网络作为目标检测算法,其分类效果好、定位更精准。文章最后介绍了全卷积网络,并运用全卷积网络进行实验,其对于目标检测速度有了一定的提高效果。

关键词：交通标志牌识别图像增强 R-CNN 区域推荐网络

基于改进RPN+PCANet的雾天光学卫星图像船舶目标识别算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进RPN+PCANet的雾天光学卫星图像船舶目标识别算法研究

作者：王森天津大学

学位级别：硕士

船舶是海上常用的交通与军事工具,实现海上船舶的自动识别对民事与军用都有很大的意义。近些年,随着光学卫星图像质量的逐步提高与卷积神经网络技术在图像分类与目标识别领域的成功应用,基于光学卫星图像的海上船舶识别问题逐渐引起了... 详细信息

船舶是海上常用的交通与军事工具,实现海上船舶的自动识别对民事与军用都有很大的意义。近些年,随着光学卫星图像质量的逐步提高与卷积神经网络技术在图像分类与目标识别领域的成功应用,基于光学卫星图像的海上船舶识别问题逐渐引起了众多研究人员的关注。本文主要围绕雾天环境下光学卫星图像中的船舶识别问题,展开了从图像去雾预处理到船舶图像分类再到船舶目标识别的系列相关研究,主要研究内容概述如下:（1）基于暗通道去雾法的光学卫星图像去雾化预处理。光学卫星图像易受天气影响,特别是雾天环境会导致图像中的可识别目标模糊,从而降低识别的准确性。本文基于暗通道去雾法基本原理,在验证光学卫星图像满足暗通道先验规则的基础上,对雾化图像进行去雾预处理,从而尽力排除雾天环境的影响。（2）在船舶图像分类问题中,针对PCA网络（Principal Component Analysis Network,PCANet）识别过程不连续的问题,本文提出端对端PCANet,通过引入空间金字塔池化层与全连接网络层提高PCANet的整体性。在不同的测试集下,将本文提出的端对端PCANet与其他分类算法进行对比,实验结果证明端对端PCANet在提高分类准确度的同时也具有较好的抗干扰能力。（3）在船舶识别方面,本文通过合并不同层的卷积特征图改进区域推荐网络（Region Proposal Network,RPN）。以RPN网络作为区域推荐网络,端对端PCANet作为分类网络,将两者进行融合得到最终的网络模型。将该模型与常用的目标识别算法在不同测试集上进行对比,实验结果说明本文提出的船舶识别算法,能够有效地识别雾天环境下光学卫星图像中的船舶目标。

关键词：光学卫星图像船舶识别 PCA网络区域推荐网络暗通道去雾法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习模型的图像检索研究

基于深度学习模型的图像检索研究

作者：程毅玮中国民航大学

学位级别：硕士

随着图像数量急剧增加,从海量图像中检索所需信息变得越来越困难,图像检索技术应运而生。图像检索技术能够有效地利用图像特征来检索所需图像。随着图像内容复杂程度的增加,基于图像底层特征的图像检索性能依然有限。因此随着深度学习... 详细信息

随着图像数量急剧增加,从海量图像中检索所需信息变得越来越困难,图像检索技术应运而生。图像检索技术能够有效地利用图像特征来检索所需图像。随着图像内容复杂程度的增加,基于图像底层特征的图像检索性能依然有限。因此随着深度学习地发展,基于深度学习的图像检索成为了研究的热点。为解决当前的图像检索方法生成的哈希码存在信息冗余,不能很好地保留图像语义相似性等问题,提出了一种基于深度卷积神经网络来学习哈希码的方法。首先通过深度卷积神经网络提取出图像的特征表示;然后将来自两个完全连接层的图像特征表示分割后输入到哈希层,并将分类误差以及阈值误差添加到损失函数中进行训练;最后将查询图像输入模型得到对应的哈希码。在CIFAR-10和NUS-WIDE两个数据集上的实验结果表明,所提方法在均值平均精度方面优于其他方法,能有效提高检索性能。为了进一步减轻存在的“语义鸿沟”问题,更好地提升多目标图像的检索性能,提出了基于深度卷积神经网络的多目标图像检索模型。首先利用区域推荐网络RPN生成候选区域,再将候选区域映射到图像的特征图上,并通过ROI池化层将不同尺度的输入映射成为固定尺度的特征向量,再通过深度卷积神经网络中的全连接层提取图像特征。最后将图像特征表示映射为便于检索的哈希码。在VOC2012和NUS-WIDE数据集上的实验结果表明,所提方法在平均累计损益和加权均值平均精度方面有一定提高,能有效提高多目标图像的检索性能。

关键词：图像检索深度学习哈希多目标图像检索区域推荐网络

基于特征融合和对抗遮挡网络的目标检测算法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于特征融合和对抗遮挡网络的目标检测算法研究

作者：张莉安徽理工大学

学位级别：硕士

目标检测是一项计算机视觉领域的具有挑战性的研究工作,在3D物体检测、实例分割和智能视频监控等方面都有着重要应用。然而,在实际检测场景存在着大量前景背景相似或者带有遮挡小目标的情况,当对这些场景进行检测时存在检测精度不高的问... 详细信息

目标检测是一项计算机视觉领域的具有挑战性的研究工作,在3D物体检测、实例分割和智能视频监控等方面都有着重要应用。然而,在实际检测场景存在着大量前景背景相似或者带有遮挡小目标的情况,当对这些场景进行检测时存在检测精度不高的问题,这些问题在在检测目标的大小、形状不同,目标数量和目标位置不定的情况下体现的更为突出。为了增强基于深度学习的目标检测算法在检测带遮挡或者低分辨率小目标时的性能,本文对Faster R-CNN算法进行了相应的改进。主要的研究内容如下:（1）针对Faster R-CNN算法中卷积提取网络所提取的特征图存在语义信息和位置信息不匹配的问题,提出RFPN特征融合算法来融合卷积提取网络提取到的不同尺度的特征图。首先,通过融入RPN,提升了算法对目标候选框的框选能力。其次,在RPN的基础上,加入FPN网络,通过自底向上、自顶而下和横向连接的融合方式解决目标检测过程中的多尺度问题。最后,对数据集进行数据增强,提高网络模型的泛化能力,进而提升了目标检测的精度。（2）针对Fast R-CNN检测器对带遮挡低分辨率目标的分类能力差的问题,提出基于RFPN和对抗遮挡网络的目标检测算法。基于RFPN算法,对Fast R-CNN检测器进行创新与改进,采用对抗学习策略并利用特征映射来提升Fast R-CNN检测器的分类能力。首先,通过生成器和Fast R-CNN检测器对抗学习,在不增加训练样本的前提下,提升基于RFPN和对抗遮挡网络的目标检测算法对带遮挡小目标的检测性能。其次,通过特征映射将RoI池化后的低分辨率特征图映射成高分辨率特征图,实现基于RFPN和对抗遮挡网络的目标检测算法对低分辨率小目标和高分辨率大目标的更高检测精度。（3）通过PASCAL VOC和MSCOCO数据集,对基于RFPN和对抗遮挡网络的目标检测算法针对低分辨率、带遮挡小目标AP和mAP值进行验证分析,发现AP和mAP值均有所提升。基于VGG-16的算法在VOC2007上的mAP值为75.80%,在VOC2012上的mAP值达到73.90%;基于ResNet-101的算法在VOC2007 上的 mAP 值为 80.71%,在 VOC2012 上的 mAP 值达到 77.72%。在MSCOCO 数据集上,AP50达到 58.6%,AP75 达到 40.6%。图[55]表[13]参[75]

关键词：目标检测区域推荐网络特征金字塔生成式对抗网络特征映射