检索结果-南通市图书馆

基于多层级深度特征融合的SAR图像精细地物分类技术研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多层级深度特征融合的SAR图像精细地物分类技术研究

作者：王非凡合肥工业大学

学位级别：硕士

合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种高分辨率成像传感器,能够提供丰富的地物信息。与光学图像相比,SAR图像可以在全天候、全时条件下获得更有效、更全面的地物信息,从而有效提高了地物分类的能力。因此,现阶段SAR图像... 详细信息

合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种高分辨率成像传感器,能够提供丰富的地物信息。与光学图像相比,SAR图像可以在全天候、全时条件下获得更有效、更全面的地物信息,从而有效提高了地物分类的能力。因此,现阶段SAR图像地物分类在相关领域扮演着越来越重要的角色。本文立足于SAR图像分类的主要问题——图像预处理以及分类,开展了SAR图像地物分类算法的关键技术研究。主要研究成果如下:(1)本文研究了SAR图像预处理中的关键组成部分:斑点噪声抑制。针对传统的SAR图像斑点噪声抑制算法存在的问题,本文以双边滤波器作为主干结构提出了一种基于背景匀质性的改进双边滤波算法。该算法通过设计了一种基于背景窗口的匀质性动态地获取样本截断深度的方法,有效的去除了SAR图像中的干扰信息并且增强了算法的噪声平滑性能。此外,本文将自适应调整滤波窗口尺寸以及修改权重核的方案应用到本文算法中,进一步增强了匀质区域的噪声平滑强度以及异质区域的边缘保持效果。实验结果表明:该算法在有效抑制斑点噪声的同时地极大程度地保持了地物目标的边缘纹理信息,并且其相比传统SAR图像斑点噪声抑制算法具有更优越的性能。(2)本文深入研究了卷积自编码网络的原理及流程,并且分析纹理特征信息对于地物目标可分离性的改善程度,提出了一种基于纹理特征融合的改进卷积自编码网络算法。该算法通过设计一种多指标注意力机制模块,动态调整输入特征之间的权重信息,从而有效地抑制了干扰信息。此外,该算法还对底层级纹理特征与深层级抽象特征进行最优化融合,该策略在有效增加了不同地物的类间距离的同时减小了同一地物的类内距离,从而提升了不同地物间的可分离度并且降低了离散分类点的出现概率,最终达到改善地物分类性能的目的。实验结果表明:该算法相比于其他分类算法具有更优越的分类性能。(3)最后本文针对所提出算法,设计了一套基于纹理特征融合深度卷积自编码网络的SAR图像地物分类系统。并针对该系统的各个模块:预处理、网络训练以及算法评估,进行了相应功能展示。

关键词：斑点噪声抑制改进双边滤波算法 SAR图像地物分类改进卷积自编码网络多层级特征融合

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

基于多层级特征融合的钢轨表面伤损检测方法

中国铁道科学 2021年第5期42卷 41-49页

作者：韩强刘俊博冯其波王胜春戴鹏北京交通大学理学院北京100081 中国铁道科学研究院集团有限公司基础设施检测研究所北京100081

现有的钢轨表面伤损检测方法存在鲁棒性差、误检率高和容易漏检小面积伤损区域的问题。为此,提出一种基于多层级特征融合的钢轨表面伤损检测方法。首先,利用高速综合检测车搭载轨道图像采集系统,在实际的铁路线路采集轨道图像,并对表面... 详细信息

现有的钢轨表面伤损检测方法存在鲁棒性差、误检率高和容易漏检小面积伤损区域的问题。为此,提出一种基于多层级特征融合的钢轨表面伤损检测方法。首先,利用高速综合检测车搭载轨道图像采集系统,在实际的铁路线路采集轨道图像,并对表面伤损进行人工标注;然后,在钢轨图像数量有限的情况下,利用钢轨表面伤损数据集构建策略,提升训练样本图像的数量和多样性;最后,利用上述数据集,训练基于多层级特征融合的目标检测网络,实现钢轨表面伤损区域的自动检测。将所提新方法与现有方法进行对比试验,结果表明:新方法在钢轨表面伤损数据集上具有最优性能,实现了端到端的钢轨表面伤损检测,能够满足实际应用需求。

关键词：钢轨表面伤损多层级特征融合小目标检测深度卷积神经网络

在线全文

学校读者我要写书评

暂无评论

基于多尺度和多层级特征融合的立体匹配方法

计算机工程 2021年第3期47卷 243-248页

作者：王金鹤车志龙张楠孟凡云苏翠丽谭浩青岛理工大学信息与控制工程学院山东青岛266000

基于卷积神经网络的立体匹配方法未充分利用图像中各个层级的特征图信息,造成对图像在不适定区域的特征提取能力较差。提出一种融合多尺度与多层级特征的立体匹配方法。通过在双塔结构卷积神经网络模型的前端设计一个池化金字塔层,提取... 详细信息

基于卷积神经网络的立体匹配方法未充分利用图像中各个层级的特征图信息,造成对图像在不适定区域的特征提取能力较差。提出一种融合多尺度与多层级特征的立体匹配方法。通过在双塔结构卷积神经网络模型的前端设计一个池化金字塔层,提取图像的多尺度低层结构特征。在该网络模型的后端融合最后三层网络的高级语义特征来提取图像特征,并对图像特征进行相似性度量后输出视差图。在KITTI 2015数据集上的实验结果表明,与LUO和Anita方法相比,该方法的像素误差精度分别由14.65%、8.30%降至8.02%,且可得到细节信息更好的视差图。

关键词：立体匹配卷积神经网络特征图信息多层级特征融合视差

基于多层级特征融合的隧道衬砌裂缝病害检测算法研究

在线全文

学校读者我要写书评

暂无评论

价值工程 2023年第32期42卷 111-113页

作者：贾睿武旭娟赵红岩辽宁省交通高等专科学校沈阳110122 辽宁省交通规划设计院有限责任公司公路养护技术研发中心沈阳110111

为实现智能检测隧道衬砌裂缝病害,提升隧道智能养护水平,本文提出一种基于多层级特征融合的隧道衬砌裂缝病害检测模型CS-Net(Crack Segmentation Network)。此模型设计多层级特征融合模块,融合浅层细节特征和高层抽象语义特征,提高全局... 详细信息

为实现智能检测隧道衬砌裂缝病害,提升隧道智能养护水平,本文提出一种基于多层级特征融合的隧道衬砌裂缝病害检测模型CS-Net(Crack Segmentation Network)。此模型设计多层级特征融合模块,融合浅层细节特征和高层抽象语义特征,提高全局的特征表达能力,实现对复杂隧道环境裂缝病害的准确识别。选取数据集CrackForest、CrackTree、Crack500进行实验,结果表明,CS-Net分割模型在不同场景中取得最优结果,表明多层级特征融合能够提升裂缝识别模型在复杂环境中的语义分割能力。

关键词：隧道衬砌病害检测多层级特征融合注意力机制

基于MFF-STDC网络的室外复杂环境小目标语义分割方法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报(工学版) 2024年

作者：艾青林刘元宵杨佳豪浙江工业大学特种装备制造与先进加工技术教育部/浙江省重点实验室

针对轻量化网络在复杂环境中小目标类别物体分割效果较差的问题，搭建基于多层级特征融合的MFF-STDC网络模型。通过多次叠加基于分组卷积的特征提取模块，使网络提升特征提取能力。通过分层权重注意力优化模块与CA注意力机制提升多尺度... 详细信息

针对轻量化网络在复杂环境中小目标类别物体分割效果较差的问题，搭建基于多层级特征融合的MFF-STDC网络模型。通过多次叠加基于分组卷积的特征提取模块，使网络提升特征提取能力。通过分层权重注意力优化模块与CA注意力机制提升多尺度特征信息的结合能力。建立了基于自适应复制算法的A-Cityscapes数据集、A-IDD数据集以及Field数据集，增加了数据集中小目标类别的数量，并完成训练与测试。MFF-STDC网络与STDC对比，mIoU分别提升了4.01%，3.65%，2.94%，并且对复杂环境中小目标类别的分割效果远好于其他网络。搭建了实景测试实验平台，测试结果表明，MFF-STDC网络有效提升了小目标类别的语义分割精度与分类能力，并且满足实时性要求。

关键词：计算机应用小目标类别检测多层级特征融合 CA机制自适应复制算法

基于特征增强与多层级融合的目标检测算法研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于特征增强与多层级融合的目标检测算法研究

作者：李晨冉燕山大学

学位级别：硕士

目标检测算法作为人工智能领域主流的研究方向,同时也是计算机视觉任务中四大基本任务之一,在移动支付,交通安全,医疗健康等领域发挥着重要的作用。近年来随着计算机硬件的更新与深度学习方法理论研究的深入,目标检测领域得到了飞速的发... 详细信息

目标检测算法作为人工智能领域主流的研究方向,同时也是计算机视觉任务中四大基本任务之一,在移动支付,交通安全,医疗健康等领域发挥着重要的作用。近年来随着计算机硬件的更新与深度学习方法理论研究的深入,目标检测领域得到了飞速的发展,但算法的鲁棒性以及对图像的位置定位能力仍有进一步的提升空间。针对上述问题,本文通过分析YOLOv3算法的基本原理,在骨干网络部分与特征融合网络部分进行改进,其中主要工作内容如下。首先,针对YOLOv3算法的骨干网络特征提取不充分导致检测精度不高、鲁棒性较差的问题提出了基于特征增强的双分支结构骨干网络的E-YOLOv3算法。该结构利用主干网络与分支网络并行运算的方式进行特征提取,并在分支网络结构中采取不同深度的卷积模块来提取不同的特征,使得网络特征融合更加充分。针对分支网络提取特征粗糙的问题在分支网络结构中加入细化图像特征的空间可分离卷积模块,使得网络在检测精度上有进一步的提升,通过双分支结构所提取的图像特征更加全面,增强了整体网络的鲁棒性。其次,针对E-YOLOv3网络的特征融合部分浅层特征信息没有得到充分利用,网络过早地将浅层特征信息筛除从而损失原图像目标位置信息的问题,提出了基于多层级特征融合的特征金字塔网络结构的EM-YOLOv3算法,该结构利用特征整合与特征叠加的方式增强了浅层信息与深层信息之间的信息流动。针对多层级特征融合的特征金字塔结构深层语义信息与浅层位置信息获取不平衡的问题采用了扩展卷积模块,使得网络可以在不牺牲特征层尺寸的情况下增加感受野,网络在检测精度上有更进一步的提升,并增强了网络对图像的位置定位能力。最后,为验证本文所改进网络结构的有效性,将本文所改进的基于特征增强的双分支骨干网络结构与基于多层级特征融合的特征金字塔结构在Pascal VOC数据集上分别进行消融实验、对比实验与网络可视化实验。结果证明本文算法在Pascal VOC上精度达到84.44%,并在网络可视化对比中,在目标检测的单目标检测、多目标检测、小目标检测、遮挡目标检测任务上性能均优于原始算法。

关键词：目标检测特征增强多层级特征融合特征金字塔空间可分离卷积

融合多层级特征的弱监督钢板表面缺陷检测算法

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

东北大学学报（自然科学版） 2021年第5期42卷 687-692页

作者：何彧宋克臣张德富颜云辉东北大学机械工程与自动化学院辽宁沈阳110819

由于缺少实例级标签,使得深度神经网络在工业表面检测领域的应用受到了限制.为解决这一问题,本文面向实际的热轧钢板表面缺陷检测任务,提出基于弱监督学习的缺陷检测网络,该网络引入类激活映射模型,使用容易获取的图像级标签进行模型训... 详细信息

由于缺少实例级标签,使得深度神经网络在工业表面检测领域的应用受到了限制.为解决这一问题,本文面向实际的热轧钢板表面缺陷检测任务,提出基于弱监督学习的缺陷检测网络,该网络引入类激活映射模型,使用容易获取的图像级标签进行模型训练,进行钢板表面的缺陷检测.为了进一步提升检测精度和克服类激活映射模型原有的缺点,本文采用性能更优的残差网络作为主干网络进行特征提取,并提出了多层级特征融合网络进行类激活图的生成,来获取更多的细节信息和更准确的目标激活区域.通过在公开缺陷数据集NEU-CLS上进行实验,结果表明本文提出的方法能够在标签不完备的情况下进行缺陷检测任务,并取得0.68%分类错误率和17.75%定位错误率,胜过其他同类的方法.

关键词：热轧钢板表面缺陷检测弱监督学习多层级特征融合类激活映射

基于改进单步多框目标检测的道路小目标检测算法

在线全文

学校读者我要写书评

暂无评论

科学技术与工程 2023年第5期23卷 2051-2058页

作者：吴晨曦应保胜许小伟刘光华程书瑾武汉科技大学汽车与交通工程学院武汉430065 智新科技股份有限公司武汉430058

针对单步多框目标检测(single shot multibox detector,SSD)算法运用于自动驾驶领域时,在检测道路上小目标容易发生漏检错检的情况,提出一种改进的SSD目标检测算法。该算法首先在SSD模型的主干网络中嵌入感受野增强模块,扩大特征层的感... 详细信息

针对单步多框目标检测(single shot multibox detector,SSD)算法运用于自动驾驶领域时,在检测道路上小目标容易发生漏检错检的情况,提出一种改进的SSD目标检测算法。该算法首先在SSD模型的主干网络中嵌入感受野增强模块,扩大特征层的感受野,以获取更多小目标的特征信息;其次,在主干网络后加入4次U形特征提取结构,构建4个不同层级的特征金字塔;最后,合并成一个多层级特征金字塔用于检测。结果表明,该改进SSD模型在KITTI数据集上的检测精度较原始SSD模型提升了6%,检测速度达到27.9帧/s。在兼顾检测效率的同时,有效提高了对道路上小目标的检测精度,更适用于自动驾驶领域。

关键词：感受野目标检测多层级特征融合 SSD

基于循环注意力机制的隐形眼镜虹膜防伪检测方法

在线全文

学校读者我要写书评

暂无评论

光学学报 2022年第23期42卷 154-164页

作者：吕梦凌何玉青杨峻凯金伟其张丽君北京理工大学光电学院光电成像技术与系统教育部重点实验室北京100081

虹膜纹理容易被纹理隐形眼镜隐藏甚至伪造,进而对虹膜识别系统的安全性构成了威胁。针对真实虹膜与纹理隐形眼镜伪造虹膜光学特性和纹理特征差异较小的问题,提出了一种循环注意力隐形眼镜虹膜防伪检测方法RAINet。利用循环注意力机制对... 详细信息

虹膜纹理容易被纹理隐形眼镜隐藏甚至伪造,进而对虹膜识别系统的安全性构成了威胁。针对真实虹膜与纹理隐形眼镜伪造虹膜光学特性和纹理特征差异较小的问题,提出了一种循环注意力隐形眼镜虹膜防伪检测方法RAINet。利用循环注意力机制对能区分真伪虹膜的关键区域进行无监督定位,并通过多层级特征融合提升防伪检测精度,构建了端到端防伪检测网络,无需图像预处理即可直接进行真伪特征检测。采用MobileNetV2作为特征分类网络,在保持检测精度的同时,减少了网络的参数量和计算量。在包含真实虹膜样本和隐形眼镜虹膜样本的两个公开数据库(IIITD CLI和ND系列)上进行了实验验证。结果表明,RAINet的检测精度优于其他防伪检测网络,在同传感器、跨传感器和跨数据库实验条件下的平均正确分类率分别可达到99.93%、97.31%和97.86%。

关键词：机器视觉纹理隐形眼镜虹膜防伪检测循环注意力机制多层级特征融合