检索结果-南通市图书馆

维普期刊数据库

SMS和双向特征融合的自然背景柑橘黄龙病检测技术

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第11期53卷 280-287页

作者：曾伟辉陈亚飞胡根生鲍文霞梁栋安徽大学互联网学院合肥230039 科大国创软件股份有限公司中央研究院合肥230088 安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心合肥230601

柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有... 详细信息

柑橘黄龙病严重影响柑橘的产量和品质。在自然背景下,柑橘叶片之间存在相互遮挡以及尺寸变化大的问题,使得遮挡及小尺寸的黄龙病叶片容易漏检,而且由于黄龙病叶片的颜色、纹理特征与柑橘其他病害十分相似,容易存在误检的问题,导致现有的算法对自然背景柑橘黄龙病检测的精度不高。本研究提出了一种结合剪切混合拼接(Shearing mixed splicing, SMS)增广算法和双向特征融合的自然背景柑橘黄龙病检测方法,该方法通过SMS、镜像翻转和旋转方法对训练集和验证集进行了增广,增加了训练集和验证集图像中背景目标的数量和多样性;为了自适应地改变柑橘黄龙病检测中的局部采样点,增大有效感受野,使用可变形卷积替换骨干网络后3个卷积层中所有的标准卷积;为了减小自然背景的影响,使用全局上下文模块对骨干网络后3个卷积层输出的特征图进行特征增强,来建立有效的长距离依赖,以便更好的学习到全局上下文信息;使用双向融合特征金字塔,改善浅层特征和深层特征的信息交流路径,用以降低因柑橘黄龙病叶片尺寸变化大导致的漏检,提高小尺寸的柑橘黄龙病叶片的检测精度。实验结果表明,本研究提出的方法用于自然背景柑橘黄龙病的检测,平均精度可达84.8%,性能优于SSD、RetinaNet、YOLO v3、YOLO v5s、Faster RCNN、Cascade RCNN等目标检测方法。

关键词：柑橘黄龙病检测自然背景全局上下文模块可变形卷积双向特征融合

双向特征融合与聚焦损失的轨道异物侵限检测研究

在线全文

学校读者我要写书评

暂无评论

重庆交通大学学报(自然科学版) 2024年

作者：沈瑜李博昊兰州交通大学电子与信息工程学院

针对轨道异物侵限检测任务中存在目标识别精度不高和检测实时性差的问题，提出了一种双向特征融合与聚焦损失相结合的轨道异物侵限检测模型。采用轻量级S-GhostNet作为主干网络对特征进行提取，以降低计算复杂度并提高处理速度；设计了... 详细信息

针对轨道异物侵限检测任务中存在目标识别精度不高和检测实时性差的问题，提出了一种双向特征融合与聚焦损失相结合的轨道异物侵限检测模型。采用轻量级S-GhostNet作为主干网络对特征进行提取，以降低计算复杂度并提高处理速度；设计了一种双向特征融合结构(Sim-DFPN)，通过引入无参数注意力机制，使模型更加关注于目标区域的特征信息，有效抑制无效背景噪声的干扰，并增强不同层级之间信息的流动性。此外，为了进一步提升检测性能，还对IOU损失进行重构，采用线形间隔方法设计了一种基于自适应聚焦边缘的损失函数Focaler EIoU，对轨道异物侵限数据集进行了实验测试。研究结果表明：所提出的网络在该数据集上的检测精度达到了90%，模型大小仅为55MB，每秒处理帧数为79帧。

关键词：铁路工程轨道异物轻量化双向特征融合注意力机制聚集损失

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

多尺度池化和双向特征融合的场景文本检测

计算机工程与应用 2024年第2期60卷 154-161页

作者：魏哲亮李岳阳罗海驰江南大学人工智能与计算机学院江苏无锡214122 江南大学物联网工程学院江苏无锡214122

针对自然场景中文字背景复杂多样、形态大小各异的问题,提出了一种新的基于分割的场景文本检测网络。通过构建多尺度池化和双向特征融合两个模块来提升网络性能。根据文本实例的特点,多尺度池化模块使用不同长宽比窗口的空间池来捕获不... 详细信息

针对自然场景中文字背景复杂多样、形态大小各异的问题,提出了一种新的基于分割的场景文本检测网络。通过构建多尺度池化和双向特征融合两个模块来提升网络性能。根据文本实例的特点,多尺度池化模块使用不同长宽比窗口的空间池来捕获不同距离上文本信息的依赖关系,指导网络得到更加准确的分割结果。双向特征融合模块构建了两条不同方向的融合路径,以更好地利用主干网络的不同尺度特征,提升网络对不同尺度文本的检测性能。实验结果证明了所提方法的有效性,在ICDAR2015、MSRA-TD500和Total-Text这三个公开数据集上,分别取得了87.7%、86.7%和85.5%的F-measure值。

关键词：文本检测图像分割多尺度池化双向特征融合

维普期刊数据库

结合注意力机制与双向特征融合的叶片病害检测方法

在线全文

学校读者我要写书评

暂无评论

中国农机化学报 2024年第10期45卷 281-288页

作者：马晓慧王骥覃嘉俊广东海洋大学电子与信息工程学院广东湛江524088 广东省智慧海洋传感器及其装备工程技术研究中心广东湛江524088 广东海洋大学数学与计算机学院广东湛江524088

传统的Mask R-CNN网络检测目标时会出现特征丢失和特征混淆的情况,且对于密集的小目标容易出现漏检、错检等问题。针对这一问题,提出一种结合注意力机制和双向特征融合的叶片病害检测方法。首先,构建数据集时给叶片图片加入高斯噪声斯... 详细信息

传统的Mask R-CNN网络检测目标时会出现特征丢失和特征混淆的情况,且对于密集的小目标容易出现漏检、错检等问题。针对这一问题,提出一种结合注意力机制和双向特征融合的叶片病害检测方法。首先,构建数据集时给叶片图片加入高斯噪声斯和椒盐噪声两种人工噪声,模仿自然界的复杂噪声,提升数据的多样性;其次,结合PAFPN结构与CBAM注意力机制,生成的CBAM-PAFPN结构,替代Mask R-CNN网络FPN结构,优化Mask R-CNN网络的特征提取方式;最后,将原网络NMS筛选候选框的方式替换为Soft-NMS。结果表明:对于无噪声的数据集,mAP值提升0.46%,Recall值提升2.24%;平均错检率为1.34%,降低3.28%,约为原网络的1/4,平均漏检率为0.12%,降低2.19%,约为原网络的1/20。改进后的网络在检测和定位精度上都有所提升,为有效检测不同大小、不同密集度的叶片病害提供技术支持。

关键词：叶片病害 CBAM 双向特征融合 Mask R-CNN NMS

在线全文

学校读者我要写书评

暂无评论

基于双向特征融合的物体位姿估计方法

吉林大学学报(工学版) 2024年

作者：缪君严杰杜荣华李磊储珺南昌航空大学航空制造与机械工程学院中国科学院月球与深空探测重点实验室南昌航空大学计算机视觉研究所

为了充分利用RGB图像的外观特征和深度图像的几何特征，提出了一种“外观-几何”特征并行融合的物体位姿估计方法。首先，在特征提取与融合阶段，构建了一种三个并行支流的双向融合体系结构，确保在每个编码和解码层对并行的RGB图像特... 详细信息

为了充分利用RGB图像的外观特征和深度图像的几何特征，提出了一种“外观-几何”特征并行融合的物体位姿估计方法。首先，在特征提取与融合阶段，构建了一种三个并行支流的双向融合体系结构，确保在每个编码和解码层对并行的RGB图像特征和深度图像特征进行融合。同时，为避免重要特征丢失且两种特征充分融合，构造了两个互补的注意力机制，使得两种特征获得局部和全局的互补。然后，在位姿推理计算阶段，考虑网络输出的关键点与物体中心点之间的距离，提出了一种基于距离量和距离约束相结合的关键点检测网络，实现了精确的位姿估计。本文算法在两个具有挑战性的6D物体位姿估计数据集上进行了测试，验证了所提方法的有效性。

关键词：位姿估计双向特征融合特征差异距离约束注意力机制

多尺度特征提取和双向特征融合的场景文本检测

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

哈尔滨理工大学学报 2024年第4期29卷 29-39页

作者：连哲殷雁君智敏徐巧枝内蒙古师范大学计算机科学技术学院呼和浩特010022

自然场景文本检测是图像处理领域的基础性研究工作,具有广泛的应用价值。目前,自然场景文本检测通常采用单尺度卷积和多尺度特征融合来捕获场景文本语义特征。然而,单尺度卷积方法通常难以兼顾不同形状、不同尺度的文本目标的特征表达... 详细信息

自然场景文本检测是图像处理领域的基础性研究工作,具有广泛的应用价值。目前,自然场景文本检测通常采用单尺度卷积和多尺度特征融合来捕获场景文本语义特征。然而,单尺度卷积方法通常难以兼顾不同形状、不同尺度的文本目标的特征表达。同时,基于上采样的简单的多尺度特征融合方法,只关注了尺度大小的一致性,而忽略了不同尺度下特征的重要性。针对以上问题,提出一种基于多尺度特征提取和双向特征融合的场景文本检测算法。所提算法基于不同大小卷积核构建多尺度特征提取模块,以兼顾不同尺度和不同形状文本目标的特征提取,同时捕获不同距离上下文信息依赖关系。在特征融合过程中,通过增加自下而上的融合路径构建双向特征融合模块实现不同尺度信息交互。特征融合后引入坐标注意力,以实现高层细节信息增强,弥补特征融合细节信息损失的缺陷。在ICDAR2015、MSRA-TD500、CTW1500数据集上进行大量实验,实验结果F值分别达到87.8%、87.1%和83.2%,检测速度分别达到17.2帧/s、31.1帧/s和22.3帧/s,相较于其他先进检测方法展现出良好的鲁棒性。

关键词：文本检测多尺度特征提取双向特征融合坐标注意力可微分二值化

基于多光谱通道注意力和双向特征融合的乳腺肿块检测

在线全文

学校读者我要写书评

暂无评论

中南民族大学学报（自然科学版） 2023年第1期42卷 111-119页

作者：陈罗林周煜松徐胜舟中南民族大学计算机科学学院&湖北省制造企业智能管理工程技术研究中心武汉430074

乳腺钼靶X线摄影是诊断乳腺疾病的有效手段,计算机辅助诊断系统在乳腺肿块检测中起着重要作用,针对检测过程中易出现漏检、误检导致精度不理想的情况,提出了一种改进的RetinaNet乳腺肿块检测算法.首先,在RetinaNet的基础上对特征提取部... 详细信息

乳腺钼靶X线摄影是诊断乳腺疾病的有效手段,计算机辅助诊断系统在乳腺肿块检测中起着重要作用,针对检测过程中易出现漏检、误检导致精度不理想的情况,提出了一种改进的RetinaNet乳腺肿块检测算法.首先,在RetinaNet的基础上对特征提取部分进行改进,在每个残差块中引入多光谱通道注意力机制,使网络能更加关注到目标区域;然后,在特征融合部分,以两种不同方式添加一条自底向上的路径,并通过横向连接最终实现深浅层特征的双向融合,加快浅层信息流通,使得到的特征信息更加丰富.实验表明:改进后的算法在乳腺钼靶图像的肿块检测中具有良好的检测效果,既减少了漏检率,平均精度也提升了3.2%,并且相比其他出色的检测算法,也具有一定的优势.

关键词：乳腺钼靶肿块检测注意力机制双向特征融合

在线全文

学校读者我要写书评

暂无评论

基于双向特征融合的输电线路异常目标检测

计算机工程与设计 2024年第10期45卷 3051-3058页

作者：田云龙申贝贝杜永杰刘恒源李辉陶冶青岛海尔科技有限公司海尔智慧家数字化转型平台山东青岛266100 数字家庭网络国家工程研究中心战略发展中心山东青岛266100 青岛科技大学数据科学学院山东青岛266061

背景复杂、目标尺度变化大、数据集不均衡等是导致输电线路异常目标误检、漏检以及检测精度低的主要原因。因此,提出一种增强特征提取网络,有效减少特征提取过程中的信息丢失,更好保留小目标特征信息。使用通道优化与空间优化模块进行... 详细信息

背景复杂、目标尺度变化大、数据集不均衡等是导致输电线路异常目标误检、漏检以及检测精度低的主要原因。因此,提出一种增强特征提取网络,有效减少特征提取过程中的信息丢失,更好保留小目标特征信息。使用通道优化与空间优化模块进行双向特征融合,以适应目标的多尺度变化,减少复杂背景信息的干扰。使用均衡采样与自适应类抑制损失,提高少数类别的检测精度,解决输电线路数据不平衡的问题。在输电线路异常目标检测任务中,检测精度达到90.5%,对困难场景有较好的检测效果。

关键词：输电线路异常目标目标检测特征感知增强双向特征融合均衡采样自适应类抑制损失

维普期刊数据库

结合注意力机制与双向特征融合的叶片病害检测方法

在线全文

学校读者我要写书评

暂无评论

结合注意力机制与双向特征融合的叶片病害检测方法

作者：马晓慧广东海洋大学

学位级别：硕士

病害的侵袭是影响农作物产量和质量的重要因素之一,叶片是植物最重要的生命器官之一,因此叶片病害的智能化诊断与防治是智慧农业发展中需要关注的焦点问题。随着科学技术的不断发展,信息技术与农业生产的结合越来越紧密,农业生产不断走... 详细信息

病害的侵袭是影响农作物产量和质量的重要因素之一,叶片是植物最重要的生命器官之一,因此叶片病害的智能化诊断与防治是智慧农业发展中需要关注的焦点问题。随着科学技术的不断发展,信息技术与农业生产的结合越来越紧密,农业生产不断走向信息化、智能化、自动化,然而目前叶片病害的诊断方法仍停留在肉眼观测和主观判断,无法满足现代化生产的需求,利用传统的机器视觉算法需要人工提取病害特征,过程复杂,识别效果也不理想。针对上述问题,本文利用深度学习技术,研究切实可行的叶片病害检测新方法,从而实现叶片病害的智能化诊断目标。本文的研究工作具体内容如下:(1)数据增强。Plant Village公共数据集图片存在图像模糊、分辨率低、轮廓不清晰等问题,会给训练网络和图片标注工作带来困难,本文提出了一系列的图片增强方法,改善图片的质量:(1)EDSR超分辨率重构方法,提升图片的分辨率和清晰度;(2)ACE局部自适应方法,增强目标与背景的对比度;(3)基于OpenCV实现图片的饱和度、对比度和亮度的增强;(4)USM锐化方法,增强图片的轮廓特征。(2)数据集构建。使用Labelme软件对图片进行标注,按照8:2的比例将图片划分成训练集与测试集,同时为了提高数据集的多样性,为了提升网络的泛化性、鲁棒性,模仿目标检测过程中在自然界可能遇到的各种噪声,给图片加入高斯噪声和椒盐噪声,形成三种类型的数据集,数据集的名称分别为:Leaf disease data＿base、Leaf disease data＿gauss、Leaf disease data＿sp。(3)提出了基于常见目标检测网络的叶片病害检测方法。本文分析了当前常见目标检测算法One-Stage和Two-Stage及对应SSD300、YOLOv3、Faster R-CNN、Mask R-CNN单、双阶段网络结构,提出了一种新的叶片病害检测方法。并对选取的网络进行训练测试,对比试验结果,分析单、双阶段网络的优缺点。试验结果表明,双阶段网络检测精度和定位精度更优,且小目标的检测效果更好,单阶段的网络推理速度更优,小目标的检测效果略差。(4)结合注意力机制模块与双向特征融合结构对叶片病害检测方法进行优化。为了探究更有效的叶片病害检测方法,以双阶段的Mask R-CNN网络为基础模型,提出了相应的改进策略:(1)改变特征融合方式,针对传统的Mask R-CNN网络检测目标时容易出现特征丢失和特征混淆的情况,在特征融合阶段用双向特征融合的方式替代原网络简单的单向特征融合方式,不仅使得浅层特征可以感受到深层特征的语义信息,还可以让深层的特征感受到浅层特征丰富的位置信息,提升了特征的融合效果,减少了特征信息丢失的影响;(2)在特征融合后加入CBAM注意力机制模块,提升网络对特征图局部信息的关注,从而加强感兴趣的病害目标信息,抑制无用的背景信息;(3)改变筛选候选框的方式,针对部分病害出现过于密集的情况,会出现误检和漏检的情况,将Mask R-CNN原有的NMS筛选候选框的方式替换成Soft NMS。试验结果表明,改进后的网络CBAM muti-Feature Mask R-CNN的AP(S)值、AP(M)值、AP(L)值分别为:67.72%、61.45%、74.35%,比原网络分别提升了25.66%、0.7%、1.97%,其在Leaf disease data＿base、Leaf disease data＿gauss、Leaf disease data＿sp下的各指标的表现:Recall值分别为72.26%、70.72%、70.60%,均优于传统的Mask R-CNN;m AP值分别为65.73%、64.40%、64.14%,在Leaf disease data＿base、Leaf disease data＿gauss上比原Mask R-CNN分别提升了0.46%、0.03%;平均错检率为1.34%,降低了3.28%,约为原Mask R-CNN的1/4,平均漏检率为0.12%,降低了2.19%,约为原Mask R-CNN的1/20。改进后的网络在检测和定位的精度上都有所提升,对小目标的检测效果提升比较明显,为有效地检测不同大小、不同密集度的叶片病害,提供了技术支持。

关键词：叶片病害图像增强注意力机制双向特征融合 Mask R-CNN