检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多尺度特征学习和边缘增强的医学图像融合

激光与光电子学进展 2022年第6期59卷 353-362页

作者：肖万新李华锋张亚飞谢明鸿李凡昆明理工大学信息工程与自动化学院云南昆明650500 云南省人工智能重点实验室云南昆明650500

医学图像融合作为一种对多种不同形式的医学图像所包含的信息进行整合的有效方法,被广泛用于疾病诊断和治疗规划等各种临床应用中。然而,现有的医学图像融合方法没有很好地解决不同器官之间的边界模糊问题,使得融合后的图像较难理解。... 详细信息

医学图像融合作为一种对多种不同形式的医学图像所包含的信息进行整合的有效方法,被广泛用于疾病诊断和治疗规划等各种临床应用中。然而,现有的医学图像融合方法没有很好地解决不同器官之间的边界模糊问题,使得融合后的图像较难理解。为了解决这个问题,提出了一种基于多尺度特征学习和边缘增强的医学图像融合模型。具体地,首先使用多个不同空洞率的空洞卷积扩大感受野,使模型学习到源图像更具判别性的多尺度特征。然后,根据最大值融合策略融合源图像特征,得到融合特征,并通过卷积层对其进行重建,得到融合图像。同时,引入边缘增强模块,增强融合图像中的边缘信息,从而较好地解决了医学图像融合中不同器官之间的边界模糊问题。实验结果证明,所提方法得到的结果无论从主观视觉效果还是客观定量评价,均优于对比方法。

关键词：医用光学医学图像融合多尺度特征学习深度学习空洞卷积边缘增强

在线全文

学校读者我要写书评

暂无评论

结合多尺度特征学习与特征对齐的行人重识别

计算机工程与应用 2022年第20期58卷 132-140页

作者：金子丰卞春江陈实中国科学院国家空间科学中心复杂航天系统综合电子与信息技术重点实验室北京100190 中国科学院大学计算机科学与技术学院北京100049

利用卷积神经网络对行人图像提取一个简单的全局特征,在复杂的行人重识别任务中无法获得令人满意的结果。局部特征学习的方式有助于获取更丰富的人体特征,但往往需要图像中的人体具有良好的空间对齐,而且,将人体各部分特征输入到独立的... 详细信息

利用卷积神经网络对行人图像提取一个简单的全局特征,在复杂的行人重识别任务中无法获得令人满意的结果。局部特征学习的方式有助于获取更丰富的人体特征,但往往需要图像中的人体具有良好的空间对齐,而且,将人体各部分特征输入到独立的分支学习局部信息,忽略了人体各部分特征间的相关性,限制模型的性能提升。在此背景下,提出了一种新的多尺度特征学习算法,结合全局与局部特征学习得到更好的行人表示,提升复杂场景下模型的识别能力。对骨干网络不同深度输出的行人特征图,通过特征对齐模块对其执行空间变换,实现行人特征在空间上的矫正和对齐,进一步增强模型的泛化性能。在公开的大型行人重识别数据集上,与当前一些流行的方法进行了比较,验证了所提方法的有效性。

关键词：深度学习卷积神经网络行人重识别多尺度特征学习行人对齐

在线全文

学校读者我要写书评

暂无评论

基于深度多尺度特征学习的遥感影像目标检测

基于深度多尺度特征学习的遥感影像目标检测

作者：王少娜西安电子科技大学

学位级别：硕士

近年来,遥感领域进入了一个新的智能化发展时期。遥感领域同人工智能技术紧密结合,逐渐深入到军用、民用、商用等各方面,其发展水平已成为综合国力评价的重要标志之一。遥感影像目标检测作为遥感影像处理中一个重要的研究方向,其目的是... 详细信息

近年来,遥感领域进入了一个新的智能化发展时期。遥感领域同人工智能技术紧密结合,逐渐深入到军用、民用、商用等各方面,其发展水平已成为综合国力评价的重要标志之一。遥感影像目标检测作为遥感影像处理中一个重要的研究方向,其目的是对遥感图像中感兴趣的目标进行分类和定位。针对复杂遥感场景下多尺度,多方向目标的特性,本文基于深度学习中的多尺度特征学习理论,提出三种目标检测方法,主要工作如下:(1)提出一种基于语义引导特征增强和上下文学习的遥感影像目标检测方法。在基准方法Retina Net检测模型的基础上,考遥感影像中多尺度目标语义特征表示缺乏,以及遥感影像背景复杂的问题,一方面,构建语义引导特征增强模块,用于提升多尺度目标语义特征的表达能力,另一方面,构建上下文学习模块,用于建立遥感影像中上下文信息关联。将所构建的两个模块用于增强特征金字塔网络的表达能力。将所提方法在两组数据集NWPU VHR-10-v2及DIOR上进行实验,实验结果显示,与其它遥感目标检测检测方法相比,检测精度更高,相比于基准方法Retina Net,在两组数据集上的检测精度分别提升4.01%,2.94%,证明了所提方法的有效性。(2)提出一种基于特征位置对齐学习的全卷积遥感影像目标检测方法。为了更灵活检测多尺度的目标,基准方法采用单阶段的全卷积目标检测方法。一方面,针对基准方法在预测目标位置特征和分类特征错位的情况下,引入特征位置对齐模块,使得目标的分类特征和目标更新后的位置特征保持一致,缓解目标分类得分与目标位置不匹配的情况。另一方面,针对基准方法在位置回归任务优化不稳定问题,引入一种基于距离归一化的交并比损失函数,使得回归训练更稳定高效。所提方法在两组数据集NWPU VHR-10-v2和DIOR上进行验证,实验结果显示,与其它遥感影像目标检测方法相比,获得了更高的检测精度,相比于基准方法,在两个数据集上的检测精度分别提升2.8%,2.1%,证明了所提方法的有效性。(3)提出一种基于多尺度特征增强和旋转框的遥感影像目标检测方法。为了更准确地检测到目标,基准方法采用基于旋转框的目标检测方法。一方面,面对遥感影像中多尺度的目标,引入多尺度特征增强模块,提升多尺度目标特征的学习能力。另一方面,面对遥感影像中的极端尺度目标,存在召回率不高的问题,应用锚框与真值框的匹配策略,增加召回率。在旋转框数据集DOTA上进行验证,实验结果显示,与其它方法相比,所提方法的检测精度更高,相比于基准方法,在验证集上的检测精度获得1.188%提升。

关键词：遥感影像目标检测深度学习多尺度特征学习旋转框

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度特征和元学习的图像识别算法研究

计算机应用与软件 2024年第8期41卷 203-209页

作者：黄勇杰高乐杨田五邑大学智能制造学部广东江门529000

在计算机视觉与图像识别技术中,随着输入分辨率的变化,卷积神经网络方法的识别效果也不同。多尺度特征学习可以将图像的精度和细节结合在一起,结合图像的多个尺度信息进行分析。元学习让计算机模拟人的大脑,学习如何去学习,可以更高效... 详细信息

在计算机视觉与图像识别技术中,随着输入分辨率的变化,卷积神经网络方法的识别效果也不同。多尺度特征学习可以将图像的精度和细节结合在一起,结合图像的多个尺度信息进行分析。元学习让计算机模拟人的大脑,学习如何去学习,可以更高效灵活地实现图像分类。因此,结合多尺度特征和元学习进行图像识别算法研究具有较高的研究价值。通过膨胀卷积产生了不同分辨率的输入图像;使用元学习产生不同输入分辨率下神经网络的卷积权重;对于不同输入分辨率的模型使用知识蒸馏。

关键词：图像识别多尺度特征学习元学习知识蒸馏人工智能

基于多尺度特征和元学习的智能预测找矿靶区实验研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

计算机应用研究 2022年第6期39卷 1772-1778页

作者：黄勇杰高乐杨田张鑫五邑大学智能制造学部广东江门529020

当前智能找矿靶区预测方法大多依赖于人工采样和专家的知识经验,然而,对于现实世界中区域小、数量少的矿区区域,这些方法将面临巨大的挑战。为了迎接这个挑战,提出一种新颖的深度智能找矿靶区预测框架——多尺度特征交互框架。具体地,... 详细信息

当前智能找矿靶区预测方法大多依赖于人工采样和专家的知识经验,然而,对于现实世界中区域小、数量少的矿区区域,这些方法将面临巨大的挑战。为了迎接这个挑战,提出一种新颖的深度智能找矿靶区预测框架——多尺度特征交互框架。具体地,首先定义两个网络,即多尺度特征映射网络和多尺度特征分类网络;在此基础上,通过膨胀卷积捕获多尺度特征映射网络中不同地球化学元素的特征,并且利用多尺度分类网络处理这些特征;其次,使用元网络为多尺度分类网络生成卷积权重;最后使用自蒸馏挖掘多尺度分类网络中的隐知识用于预测。整个模型采用端到端的训练方式,大量的实验结果表明,多尺度特征交互框架与当前最先进的方法比较具有显著的竞争力。

关键词：元学习多尺度特征学习知识蒸馏找矿靶区预测

在线全文

学校读者我要写书评

暂无评论

面向密集人群计数的多尺度特征建模方法

面向密集人群计数的多尺度特征建模方法

作者：祝鲁宁上海应用技术大学

学位级别：硕士

人群计数是一个经典的计算机视觉任务,其主要任务是设计算法自动统计出给定图像的人数,对公共安全领域有着重要的应用意义与价值。其中密集人群计数任务中由于存在场景中人数多、人头尺度变化剧烈等挑战,引起了研究者广泛的兴趣。但当... 详细信息

人群计数是一个经典的计算机视觉任务,其主要任务是设计算法自动统计出给定图像的人数,对公共安全领域有着重要的应用意义与价值。其中密集人群计数任务中由于存在场景中人数多、人头尺度变化剧烈等挑战,引起了研究者广泛的兴趣。但当前人群计数算法面对密集人群场景并不能取得令人满意的结果,原因在于一些方法没有利用多尺度信息,而多尺度特征被证实在各种视觉任务中都十分重要,其次,一些利用了多尺度信息的方法也由于参数的增多使网络的计算量大大增加,但是性能却难以得到对应的有效提高;此外,图像中的复杂背景容易对人群计数产生干扰。本文依次针对以上问题进行了研究,主要研究内容及创新点如下:1.针对人头尺度变化剧烈,多尺度特征提取方法参数量大的问题,本文设计了尺度感知表示学习网络,能够有效提取多尺度信息且不导致参数量骤增。该方法的创新点如下:(1)我们提出了一个尺度感知特征学习模块,该模块充分利用具有不同接受域的上下文信息和具有不同接受域的卷积层提取的多尺度特征来进行更准确的计数回归。(2)我们提出了一个像素感知上采样模块,在细粒度水平上执行语义增强,以提高像素级的回归性能。2.针对复杂背景容易对人群计数产生干扰的问题,本文设计了多级注意力尺度感知网络,能够有效增强对人头的注意力,提高计数精度。该方法的创新点如下:我们将通道注意力、空间注意力、像素注意力结合,以从不同的域提高对人群的注意力,提高计数性能。使用本文的方法在ShanghaiTech Part A、UCF-QNRF、UCF＿CC＿50、NWPU-Crowd数据集上进行了人群计数任务的定性和定量实验,结果表明了本文方法的有效性。

关键词：密集人群计数深度学习卷积神经网络多尺度特征学习

基于多尺度特征和深度多分支网络的行人重识别研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度特征和深度多分支网络的行人重识别研究

作者：李铭浩天津理工大学

学位级别：硕士

随着深度学习技术的快速突破以及人们对智能安防技术的迫切需求,行人重识别的研究工作获得了显著的发展。但在实际的拍摄场景中,因为姿势、角度、照明条件等改变,以及行人背景信息的冗杂和遮挡等问题的出现,限制了行人重识别技术的进一... 详细信息

随着深度学习技术的快速突破以及人们对智能安防技术的迫切需求,行人重识别的研究工作获得了显著的发展。但在实际的拍摄场景中,因为姿势、角度、照明条件等改变,以及行人背景信息的冗杂和遮挡等问题的出现,限制了行人重识别技术的进一步突破,仍需开展深入的研究。目前,构造新型的深度学习模型,以提取出高鲁棒性和高鉴别力的行人特征表示,仍是解决各类行人重识别问题的关键研究方向。本文将通过多尺度特征学习、多粒度学习等方法,通过提出全新的网络模型和对特征提取分支进行调整,来获得更为全面、更具有判别能力的特性,从而提升行人重识别的准确度和鲁棒性。本文的重要工作和创新成果包括:(1)提出了基于多特征融合的多尺度注意力网络用于行人重识别任务。该方法引入了卷积注意力模块,使得网络更加聚焦在有利于识别的关键特征上,增强了网络的学习能力。其次,将通道注意力模块与池化融合策略(GAP+GMP)有机融合来得到高判别力与鲁棒性的特征描述,进而提升了行人重识别的精度。(2)提出了基于多尺度特征学习的双流行人重识别网络。与上面提到的工作有所不同,本方法考虑的是如何提取更广泛的多尺度特征来强化特征表示。在该方法中,多尺度特征的学习结构建立在双流网络上,大大拓宽了特征的采样范围,并实现了对不同粒度的全局特征与局部特征的有效融合,从而使网络获取到更具有辨识性能的特征,提高了行人重识别的准确度。第一种算法偏向于使用注意力机制来关注不同尺度上的行人关键特征,第二种算法则侧重于利用双流多分支结构扩大特征的采样范围。

关键词：行人重识别深度学习多尺度特征学习双流网络

基于多尺度特征蒸馏的轻量化图像超分辨率网络研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

现代电视技术 2023年第3期 132-136页

作者：王子建中央广播电视总台

大多数轻量化图像超分辨率网络采用信息蒸馏的方式进行低分辨率图像特征提取。尽管它们取得了不错的超分辨率图像重建结果,但是信息蒸馏的方式忽略了对图像内容尺度变化的建模,导致网络在处理有明显尺度变化内容时性能下降。为了解决上... 详细信息

大多数轻量化图像超分辨率网络采用信息蒸馏的方式进行低分辨率图像特征提取。尽管它们取得了不错的超分辨率图像重建结果,但是信息蒸馏的方式忽略了对图像内容尺度变化的建模,导致网络在处理有明显尺度变化内容时性能下降。为了解决上述问题,本文提出了一种基于级联尺度蒸馏的轻量化图像超分辨率网络(MSDNet),并在常用的图像超分辨率数据集上进行了大量实验。定量与定性的实验结果表明了MSDNet的有效性。

关键词：图像超分辨率轻量化神经网络多尺度特征学习

在线全文

学校读者我要写书评

暂无评论

结合特征学习与注意力机制的服装图像分割

纺织学报 2022年第11期43卷 163-171页

作者：顾梅花刘杰李立瑶崔琳西安工程大学电子信息学院陕西西安710048

针对小尺寸服装与遮挡服装图像分割准确率低的问题,提出一种基于改进多尺度特征学习策略与注意力机制的服装图像分割方法。以Mask R-CNN为基础框架,首先采用增强特征金字塔网络优化模型的特征学习过程,对多尺度服装特征进行统一监督,缩... 详细信息

针对小尺寸服装与遮挡服装图像分割准确率低的问题,提出一种基于改进多尺度特征学习策略与注意力机制的服装图像分割方法。以Mask R-CNN为基础框架,首先采用增强特征金字塔网络优化模型的特征学习过程,对多尺度服装特征进行统一监督,缩小不同层级之间的语义差距,引入残差特征增强模块减少高层特征损失,采用软感兴趣区域选择自适应地获取最优感兴趣区域特征;然后在分类预测分支引入通道注意力模块,在边界框回归与掩膜预测分支分别引入空间注意力模块,提取图像中需要重点关注的服装区域特征。结果表明,与其他方法相比,本文方法改善了小尺寸服装图像和遮挡服装图像分割中存在的漏检、漏分割现象,提取出的服装实例更精确,其平均精度均值比原模型提升了3.8%。

关键词：服装图像分割多尺度特征学习一致监督策略残差特征增强软感兴趣区域选择注意力机制