检索结果-南通市图书馆

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

多尺度特征融合与交叉指导的小样本语义分割

中国图象图形学报 2024年第5期29卷 1265-1276页

作者：郭婧王飞晋中职业技术学院电子信息系晋中030600 英国布莱顿大学智能和可用系统中心英国布莱顿BN24AT

目的构建支持分支和查询分支间的信息交互对于提升小样本语义分割的性能具有重要作用,提出一种多尺度特征融合与交叉指导的小样本语义分割算法。方法利用一组共享权重的主干网络将双分支输入图像映射到深度特征空间,并将输出的低层、中... 详细信息

目的构建支持分支和查询分支间的信息交互对于提升小样本语义分割的性能具有重要作用,提出一种多尺度特征融合与交叉指导的小样本语义分割算法。方法利用一组共享权重的主干网络将双分支输入图像映射到深度特征空间,并将输出的低层、中间层和高层特征进行尺度融合,构造多尺度特征;借助支持分支的掩码将支持特征分解成目标前景和背景特征图;设计了一种特征交互模块,在支持分支的目标前景和整个查询分支的特征图上建立信息交互,增强任务相关特征的表达能力,并利用掩码平均池化策略生成目标前景和背景区域的原型集;利用无参数的度量方法分别计算支持特征和原型集、查询特征与原型集之间的余弦相似度值,并根据相似度值给出对应图像的掩码。结果通过在PASCAL-5^(i)(pattern analysis,statistical modeling and computational learning)和COCO-20^(i)(common objects in context)开源数据集上进行实验,结果表明,利用VGG-16(Visual Geometry Group)、ResNet-50(residual neural network)和ResNet-101作为主干网络时,所提模型在1-way 1-shot任务中,分别获得50.2%、53.2%、57.1%和23.9%、35.1%、36.4%的平均交并比(meanintersectionoverunion,mIoU),68.3%、69.4%、72.3%/和60.1%、62.4%、64.1%的前景背景二分类交并比(foreground and background intersection over union,FB-IoU);在1-way 5-shot任务上,分别获得52.9%、55.7%、59.7%和32.5%、37.3%、38.3%的mIoU,69.7%、72.5%、74.6%和64.2%、66.2%、66.7%的FB-IoU。结论相比当前主流的小样本语义分割模型,所提模型在1-way 1-shot和1-way5-shot任务中可以获得更高的mIoU和FB-IoU,综合性能提升效果显著。

关键词：小样本语义分割多尺度特征融合跨分支交叉指导特征交互掩码平均池化

在线全文

学校读者我要写书评

暂无评论

基于互引导条件耦合的小样本语义分割

计算机辅助设计与图形学学报 2024年

作者：刘胜男姜璐璐郑宛露王少荣汪国平北京大学计算机学院北京林业大学信息学院北京市虚拟仿真与可视化工程技术研究中心

针对现有的小样本语义分割方法普遍采用简单的融合策略来实现跨分支信息传递，难以捕获复杂的特征交互信息的问题，提出一个实现支持-查询分支高效融合的互引导条件耦合网络. 所提网络设计了一个耦合信息生成模块，该模块聚焦于支持... 详细信息

针对现有的小样本语义分割方法普遍采用简单的融合策略来实现跨分支信息传递，难以捕获复杂的特征交互信息的问题，提出一个实现支持-查询分支高效融合的互引导条件耦合网络. 所提网络设计了一个耦合信息生成模块，该模块聚焦于支持特征中与查询特征高度相似的区域，以使查询特征中的每个像素能够自适应地融合支持特征的像素级信息. 同时，为了减少查询图像背景对融合效果的负面影响，设计了一个条件耦合模块. 在该模块中，生成的条件可用于抑制查询图像背景区域的信息吸收，从而有效避免了背景信息对结果的干扰. 所提网络在PASCAL-5i以及COCO-20i进行了大量的实验验证和分析，实验结果相对于基线方法有显著改进.

关键词：语义分割小样本学习小样本语义分割特征融合

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多尺度先验融合的小样本语义分割方法

计算机科学与应用 2024年第2期14卷 330-340页

作者：谭文博同济大学电子与信息工程学院上海

小样本语义分割侧重于模型泛化能力的提升,用有限的样本为未见类提供像素级分割。现有方法在分割性能上已经取得了巨大的进步,但仍受到部分因素的限制,例如当同类物体中因较大的角度、尺寸等差异,存在类内差异时,将导致模型难以捕捉类... 详细信息

小样本语义分割侧重于模型泛化能力的提升,用有限的样本为未见类提供像素级分割。现有方法在分割性能上已经取得了巨大的进步,但仍受到部分因素的限制,例如当同类物体中因较大的角度、尺寸等差异,存在类内差异时,将导致模型难以捕捉类别语义。因此,本文提出基于多尺度先验信息融合的小样本语义分割模块,通过提取高级特征中的多尺度先验掩码,为模型补充类别相关信息,降低类内差异的影响。为了融合多尺度特征及其先验信息,本文提出权重自适应特征融合模块,为各尺度添加信息交互,并加权组合特征。最终通过消融实验以及与基类方法和其他经典算法的对比实验,证明了本方法的有效性。

关键词：小样本语义分割深度学习多尺度特征微调

基于自引导原型增强的小样本语义分割方法——一种改进的基学习与元学习分割方法

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

计算机科学与应用 2024年第5期14卷 172-183页

作者：陈涵合肥工业大学计算机与信息学院安徽合肥

近期,小样本语义分割研究备受关注并取得了显著进展。先前的方法主要依赖于分类任务的元学习框架以实现泛化能力,然而这种训练方式往往导致模型对已见类别存在偏见,未能达到理想的类别无关性。最新的研究中,一种名为基学习与元学习的方... 详细信息

近期,小样本语义分割研究备受关注并取得了显著进展。先前的方法主要依赖于分类任务的元学习框架以实现泛化能力,然而这种训练方式往往导致模型对已见类别存在偏见,未能达到理想的类别无关性。最新的研究中,一种名为基学习与元学习的方法被提出,以识别基础类别目标并有效地区分背景部分。然而,该方法在强调对背景特征的识别时,忽略了前景特征的增强。因此,我们对该方法进行了进一步改进。我们引入了一种自引导原型学习的方法,通过生成辅助原型并用它生成激活特征图,从而增强原型特征,有效促进模型对前景特征的识别。在PASCAL-5i数据集上的实验结果表明,我们提出的方法在1-shot和5-shot情况下的mIoU分别达到了68.01和71.12,证明了该方法能够有效提升小样本语义分割的精确度。

关键词：小样本语义分割原型学习特征增强

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

融合高斯过程的自支持小样本语义分割

微电子学与计算机 2024年第8期41卷 62-72页

作者：罗余特宣士斌张慧刘成星广西民族大学人工智能学院广西南宁530006 广西混杂计算与集成电路设计分析重点实验室广西南宁530006

针对小样本语义分割中同类别支持图像与查询图像存在外观差异较大的问题,提出融合高斯过程的自支持匹配小样本语义分割模型。提出的模型在自支持匹配小样本语义分割模型的基础上,首先融入高斯过程,对分布在深层特征空间上的复杂外观进... 详细信息

针对小样本语义分割中同类别支持图像与查询图像存在外观差异较大的问题,提出融合高斯过程的自支持匹配小样本语义分割模型。提出的模型在自支持匹配小样本语义分割模型的基础上,首先融入高斯过程,对分布在深层特征空间上的复杂外观进行建模,捕获更多空间细节信息来表示数据分布;随后设计特征增强模块,在空间层对支持特征与查询特征进行信息交互,在通道层进行注意力加权,进一步增强相同类之间的全局相似性,捕获更多目标类别信息;最后利用Gram矩阵量化支持图像和查询图像之间外观差异的大小,从而融合原型匹配的结果,产生更准确的分割图像。实验结果表明:与现有方法相比,所提模型在更强的主干网络下具有较好的分割结果和更少的参数量,在5-shot的设定下,所提模型在PASCAL−5i数据集上平均交并比(mean Intersection over Union,mIoU)达到最优值,提升了0.4%;在COCO−20i数据集上的子集mIoU取得最优值,分别提升了2.2%和1.0%,表明该模型的有效性和先进性。

关键词：小样本语义分割原型结构自支持匹配高斯过程信息交互

在线全文

学校读者我要写书评

暂无评论

集间两级语义互补的小样本语义分割

中南民族大学学报（自然科学版） 2024年第3期43卷 415-423页

作者：文婧陈少波中南民族大学电子与信息工程学院武汉430074

现有的小样本语义分割模型通常只提取单一级别的语义特征,然而由于小样本数据的样本量少、各级语义特征具有不同属性等原因,提取单一级别语义特征的网络模型很难在保证分割能力的同时兼具泛化性.针对该问题,提出了一种集间两级语义互补... 详细信息

现有的小样本语义分割模型通常只提取单一级别的语义特征,然而由于小样本数据的样本量少、各级语义特征具有不同属性等原因,提取单一级别语义特征的网络模型很难在保证分割能力的同时兼具泛化性.针对该问题,提出了一种集间两级语义互补的小样本语义分割方法.该方法使用具有强类别特征的支持集高级语义特征对具备泛化性的查询集中级语义特征加权,在增强查询集各目标类别特征的同时保留查询集中级语义特征的泛化能力;另外,该模型通过最大化支持集潜在语义信息、为查询集构建非参数学习的先验信息等方式增强两集信息之间的交互性以获得更丰富的判别信息.该方法在PASCAL-5i数据集上进行仿真实验,mIoU值在1-shot和5-shot两类设置上分别能达到45.3%和48.8%,其结果超越部分先进主流的小样本语义分割算法,且网络模型的参数量也控制在可以接受的范围之内.

关键词：小样本语义分割原型学习集间两级语义特征多尺度

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于语义协同指导的小样本语义分割算法

无线电工程 2024年第2期54卷 258-266页

作者：王晨王伟河北对外经贸职业学院河北秦皇岛066311 北京邮电大学信息与通信工程学院北京100080

针对单个或少量多个原型不足以表示整张图像中的目标信息,提出了一种基于语义协同指导的小样本语义分割算法。利用一组共享权重的特征提取器将图片映射到深度特征空间,并借助支持图片的真实掩码过滤掉目标的背景区域;利用Vision Transfo... 详细信息

针对单个或少量多个原型不足以表示整张图像中的目标信息,提出了一种基于语义协同指导的小样本语义分割算法。利用一组共享权重的特征提取器将图片映射到深度特征空间,并借助支持图片的真实掩码过滤掉目标的背景区域;利用Vision Transformer细粒度地将深度特征直接抽象为表示目标信息的多个原型,并在此基础上引入目标类的语义信息作为辅助学习任务;利用一种无参数的度量学习算法计算查询特征和原型之间的相似度值,根据计算结果逐像素地指导查询图片中未知新类的分割。在开源的PASCAL-5^(i)和COCO-20^(i)数据集上进行测试,所提模型在1-shot和5-shot任务上均取得了具有竞争力的分割结果,与当前主流算法相比,具有更好的分割性能。

关键词：小样本语义分割语义协同指导 Vision Transformer 无参数度量学习

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于特征融合注意力的小样本语义分割算法

广西科学 2023年第5期30卷 951-960页

作者：李呓瑾李少龙贺彦刘炜云南电网有限责任公司信息中心云南昆明650200 北京国科恒通科技股份有限公司北京100085 清华大学电机工程与应用电子技术系北京100084

针对小样本语义分割任务中对查询图片的信息利用不充分的问题,提出一种基于特征融合注意力的小样本语义分割算法。首先,利用共享主干网络编码支持图片和查询图片,从而获取图片的深度特征;然后,利用注意力机制获取支持特征和查询特征的... 详细信息

针对小样本语义分割任务中对查询图片的信息利用不充分的问题,提出一种基于特征融合注意力的小样本语义分割算法。首先,利用共享主干网络编码支持图片和查询图片,从而获取图片的深度特征;然后,利用注意力机制获取支持特征和查询特征的强关联语义信息,从而构造任务注意力特征图;最后,提出一种多特征注意力融合模块,它能够自适应融合多种特征的深层语义信息并进行特征解码,从而获取目标物体的分割掩码。在PASCAL-5 i和COCO-20 i公开数据集进行了实验,结果表明,所提出模型比当前主流的小样本语义分割模型在1-way 1-shot和1-way 5-shot任务中分割得更加精准,尤其是在更具有挑战性的COCO-20 i数据集上,所提出模型在1-shot的设定下达到了28.8%的mIoU和62.1%的FB-IoU,在5-shot设定下达到了36.9%的mIoU和64.8%的FB-IoU。

关键词：小样本语义分割多特征融合注意力机制深层语义信息分割掩码

在线全文

学校读者我要写书评

暂无评论

基于关联指导的小样本语义分割方法研究

基于关联指导的小样本语义分割方法研究

作者：江镔华南理工大学

学位级别：硕士

近年来,基于深度学习的图像语义分割技术在工业缺陷检测和汽车辅助驾驶等领域有着广泛的应用。然而由于这些深度学习方法依赖于大规模数据,在数据量受限的情况下,容易发生过拟合的现象,往往性能欠佳。相比之下,拥有一定先验知识储备的人... 详细信息

近年来,基于深度学习的图像语义分割技术在工业缺陷检测和汽车辅助驾驶等领域有着广泛的应用。然而由于这些深度学习方法依赖于大规模数据,在数据量受限的情况下,容易发生过拟合的现象,往往性能欠佳。相比之下,拥有一定先验知识储备的人类,仅仅通过少量未知类图像就能够很快辨识出一个新的概念。本文研究了小样本环境下的语义分割算法,基于迁移学习、四维卷积核和编码器解码器架构,设计了三套小样本语义分割算法。本文的工作主要有以下三个方面:（1）提出了小样本语义关联指导分割网络。针对基于原型的方法难以有效保留支持特征的局部信息的问题,该网络选取了骨干网络的中间三层来获取四维关联张量,多层关联张量通过四维张量金字塔结构进行自适应融合后,输入到二维卷积核构成的解码器中进行预测。（2）提出了自适应感受野的小样本语义关联指导分割网络。针对原始四维卷积核计算复杂度高且感受野固定的问题,该方法利用自适应分离式四维卷积,实现了张量支持子空间和查询子空间的分离操作,降低了四维卷积的计算复杂度,同时取得了更加灵活的感受野。（3）提出了适度稀疏化的小样本语义关联指导分割网络。针对相似性模糊的问题,该方法利用了一种新的归一化策略来优化相似分值的分布,在不增加训练量的前提下,提升了模型的分割精度;针对原始四维卷积核子空间耦合性强但计算复杂度高、分离式四维卷积计算复杂度低但子空间耦合性弱的问题,该方法利用了一种新的轴向装配式四维卷积,降低了四维卷积的计算复杂度,同时保持了支持子空间与查询子空间的适度耦合。本文在Pascal-5数据集,COCO-20数据集,以及FSS-1000数据集上进行了全面的对比试验和消融实验来验证算法的有效性。实验结果表明,本文提出的三套小样本语义分割算法的分割精度相比基准方法有较高的提升。

关键词：小样本语义分割卷积核归一化张量金字塔架构迁移学习