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

多尺度条件卷积的OCT视网膜图像降噪研究

光学技术 2022年第1期48卷 102-108页

作者：周旭东陈明惠马文飞赖湘玲黄铎文刘渡新马昕宏上海理工大学医疗器械与食品学院上海介入医疗器械工程技术研究中心上海200093

散斑噪声存在于光学相干层析成像(OCT)中,影响OCT图像质量。在使用OCT设备诊断各种常见眼科疾病时,高质量的OCT图像是极为重要的。利用深度神经网络对OCT图像进行降噪处理,使图像在保留空间结构细节的基础上能展示更多的信息。提出了一... 详细信息

散斑噪声存在于光学相干层析成像(OCT)中,影响OCT图像质量。在使用OCT设备诊断各种常见眼科疾病时,高质量的OCT图像是极为重要的。利用深度神经网络对OCT图像进行降噪处理,使图像在保留空间结构细节的基础上能展示更多的信息。提出了一种基于残差学习网络的新型OCT图像降噪网络—CMCNN,其具有多尺度、多权重和多层次特征融合等特点,并且在保留图像空间结构细节的基础上降低图像噪声;再将提出的模型与传统降噪算法、深度学习降噪模型进行比较。实验表明,CMCNN在峰值信噪比(PSNR)和结构相似性(SSIM)方面比其他深度学习方法提高了2.5%左右,验证了方法可以有效地保留OCT图像中的细节信息,同时有效地抑制噪声,提高图像质量。

关键词：光学相干层析技术图像降噪条件卷积多尺度

在线全文

学校读者我要写书评

暂无评论

用于个性化推荐的条件卷积隐因子模型

计算机工程 2020年第4期46卷 85-90,96页

作者：李南星盛益强倪宏中国科学院声学研究所国家网络新媒体工程技术研究中心北京100190 中国科学院大学电子电气与通信工程学院北京100049

在推荐系统中,传统的矩阵分解无法提取用户和物品特征,而神经协同过滤(NCF)在分解模型中增加多层感知器,但不能有效利用用户和物品ID之外的辅助信息.为此,提出一种新的条件卷积方法.通过将物品特征作为输入,将用户特征作为卷积核,达到... 详细信息

在推荐系统中,传统的矩阵分解无法提取用户和物品特征,而神经协同过滤(NCF)在分解模型中增加多层感知器,但不能有效利用用户和物品ID之外的辅助信息.为此,提出一种新的条件卷积方法.通过将物品特征作为输入,将用户特征作为卷积核,达到权值不共享的目的,使得条件卷积具有更强的特征提取和组合能力以及不增加参数量的特性.在此基础上,条件卷积能够融入多种辅助信息进行个性化推荐.实验结果表明,与NCF模型相比,该方法在隐性反馈数据中推荐命中率提升3.11%,在显性反馈数据中评分预测误差降低2.47%.

关键词：推荐系统深度神经网络神经协同过滤条件卷积矩阵分解

基于条件卷积与极化自注意力的单目深度与位姿估计

在线全文

学校读者我要写书评

暂无评论

计算机与现代化 2023年第2期 34-39页

作者：乔善宝高永彬黄勃余文俊上海工程技术大学电子电气工程学院上海201600

基于运动恢复结构与视图合成的自监督范式,引入条件卷积与极化自注意力,提出新的单目深度与位姿估计模型。条件卷积对不同输入数据进行多组动态的卷积权重赋值,所有权重在经过加权整合后共享一次卷积操作,在不显著增加计算量的情况下实... 详细信息

基于运动恢复结构与视图合成的自监督范式,引入条件卷积与极化自注意力,提出新的单目深度与位姿估计模型。条件卷积对不同输入数据进行多组动态的卷积权重赋值,所有权重在经过加权整合后共享一次卷积操作,在不显著增加计算量的情况下实现模型容量的提升。图像信息完整性对深度估计任务的性能有极大影响,极化自注意力通过极化滤波使数据在通道或空间维度上保持高分辨率,防止图像的细粒度信息或结构信息丢失;同时压缩与通道或空间正交的维度,减小计算量,并通过非线性函数对压缩过程中损失的特征强度范围进行增强与动态映射。自注意力机制可以实现数据在各维度上的长距离建模。在KITTI数据集上进行实验,证明了所提出模型在自监督单目深度与位姿估计任务中有优异的性能表现。

关键词：单目深度估计位姿估计自监督学习条件卷积极化滤波自注意力

基于深度学习的盾构隧道渗漏水病害混合样本集构建与精细分割

在线全文

学校读者我要写书评

暂无评论

应用基础与工程科学学报 2023年第4期31卷 1032-1042页

作者：薛亚东贾非郭春生郭永发刘劼同济大学岩土及地下工程教育部重点实验室上海200092 同济大学土木工程学院上海200092 上海勘察设计研究院(集团)有限公司上海200092 中铁二院昆明勘察设计研究院有限责任公司云南昆明650000 中国铁路昆明局集团有限公司云南昆明650000

渗漏水病害是盾构隧道运营期间最为常见的一种表观病害,对隧道结构安全与周边地层稳定具有不利影响.基于深度学习的图像病害识别方法,构建了包含检测装置与人工巡检两种方式采集图像的混合样本集.以平均准确度为评估指标,训练得到Mask R... 详细信息

渗漏水病害是盾构隧道运营期间最为常见的一种表观病害,对隧道结构安全与周边地层稳定具有不利影响.基于深度学习的图像病害识别方法,构建了包含检测装置与人工巡检两种方式采集图像的混合样本集.以平均准确度为评估指标,训练得到Mask R-CNN深度学习模型的分割准确度达到0.447,优于原样本集(0.386)与扩容样本集(0.403).考虑隧道渗漏水病害形态复杂的特点以及不同病害间较大的特征差异,进一步采用条件卷积动态生成的分割模型参数代替Mask R-CNN模型中静态的模型参数,提高了模型的分割速度与精度.以每秒运算图像数量(Frames Per Second,FPS)为评估指标,模型分割速度由7FPS提升至10FPS,且分割结果与病害真实轮廓更为接近,从而有利于对渗漏水病害的严重程度进行量化分析.

关键词：盾构隧道渗漏水深度学习卷积神经网络实例分割模型条件卷积病害检测

基于三目注意力机制的高效轻量化麦穗检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与设计 2023年第7期44卷 2062-2069页

作者：董燕刘运东李卫杰刘洲峰李春雷中原工学院电子信息学院河南郑州450007

针对复杂大田环境下基于卷积神经网络的麦穗检测方法实时性差、检测精度低的问题,提出一种基于三目注意力机制的高效轻量化麦穗检测算法。采用MobileNetV3作为主干网络对特征进行高效提取;通过融合通道、空间和位置的特征信息设计三目... 详细信息

针对复杂大田环境下基于卷积神经网络的麦穗检测方法实时性差、检测精度低的问题,提出一种基于三目注意力机制的高效轻量化麦穗检测算法。采用MobileNetV3作为主干网络对特征进行高效提取;通过融合通道、空间和位置的特征信息设计三目注意力机制,提升模型对关键特征的敏感度;基于条件卷积设计全局多头自注意力机制,增强全局特征的提取能力;选择CIOU作为边框回归损失函数,增强遮挡及重叠目标的检测效果。实验结果表明,与其它优秀的算法相比,所提算法在减少模型容量的同时,提升了检测精度和速度。

关键词：复杂场景麦穗检测深度学习轻量化三目注意力机制全局多头自注意力机制条件卷积

基于单帧RGB图像的轻量级人脸反欺诈算法研究

在线全文

学校读者我要写书评

暂无评论

基于单帧RGB图像的轻量级人脸反欺诈算法研究

作者：常建波华南理工大学

学位级别：硕士

人脸识别技术已经成为日常生活中应用最广泛的身份认证方式,但是人脸信息极易泄露,攻击者仅通过成本较低的打印攻击或视频重放攻击就有可能攻破人脸识别系统,相关事件也时有发生,给人脸识别系统的安全应用带来了极大的挑战。目前业界先... 详细信息

人脸识别技术已经成为日常生活中应用最广泛的身份认证方式,但是人脸信息极易泄露,攻击者仅通过成本较低的打印攻击或视频重放攻击就有可能攻破人脸识别系统,相关事件也时有发生,给人脸识别系统的安全应用带来了极大的挑战。目前业界先进的人脸反欺诈算法借助深度学习技术实现了非常好的欺诈人脸检测效果,但是他们都只考虑如何提高欺诈人脸检测效果,为此他们提升了网络的大小,引入了RGB模态之外的信息和时序信息。这些方法不适合部署在目前广泛存在的通用RGB设备上,因为通用RGB设备的存储空间和计算能力有限,也没有配备采集其他模态信息的硬件。为了适合在通用RGB设备上部署,人脸反欺诈算法需要满足只使用单帧RGB图像、轻量级和高效三个要求。针对此问题,本文对基于单帧RGB图像的轻量级人脸反欺诈算法开展了研究。首先比较了Mobile Net V2和Shuffle Net V2这两个通用轻量级网络处理人脸反欺诈任务的效果,并选择了Mobile Net V2网络的倒残差瓶颈模块作为降低算法复杂度的技术手段。接着结合条件卷积技术扩充网络容量,提出了基于条件卷积的人脸反欺诈算法(Cond FAS),并设计了全新的U形网络架构和等通道像素级二元监督方法。最后,从注意力机制出发,设计了全局空间自注意力机制,并嵌入我们的网络架构,得到基于全局空间自注意力机制的人脸反欺诈算法(Attention FAS)。本文提出的Cond FAS和Attention FAS两个算法都满足只使用单帧RGB图像和模型轻量这两个要求,并且在多个数据集内测试和跨数据集测试场景中实现了与业界先进方法相比有竞争力的检测效果。尤其是在最具挑战性的OULU-NPU数据集中,我们的Attention FAS算法在其协议2、协议3和协议4上实现的ACER分别为0.4%、2.7%、3.7%,为目前最好的欺诈人脸检测效果。同时我们开展了模型轻量与模型效果之间的平衡分析,分析结果表明,Attention FAS算法取得了目前最好的平衡,Cond FAS算法次之。

关键词：人脸反欺诈神经网络轻量级模型条件卷积注意力机制

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

雷达高分辨距离像目标识别持续学习方法研究

雷达高分辨距离像目标识别持续学习方法研究

作者：周波玉西安电子科技大学

学位级别：硕士

随着高科技战争概念的不断深化,雷达自动目标识别技术(RATR)逐渐成为雷达领域的研究热点。与其它形式的雷达信号相比,高分辨距离像(HRRP)具有获取容易、处理简单、信息丰富的优点,已被广泛应用于各类RATR任务中。随着深度学习理论研究... 详细信息

随着高科技战争概念的不断深化,雷达自动目标识别技术(RATR)逐渐成为雷达领域的研究热点。与其它形式的雷达信号相比,高分辨距离像(HRRP)具有获取容易、处理简单、信息丰富的优点,已被广泛应用于各类RATR任务中。随着深度学习理论研究的不断深入,使用深度神经网络进行目标识别逐渐成为HRRP识别领域的主流方法。众所周知,训练深度神经网络需要有完备的数据集支撑,然而在实际当中,想要提前获取充足的非合作目标HRRP数据存在极大难度。为此,希望识别网络能够及时利用雷达在工作中获取的新数据实时学习新目标、新样本的特征,进而获取对其识别的能力。在此过程中,若直接使用新数据更新识别网络,会引起网络参数快速变化,使得更新后的网络不再匹配先前的训练集,从而导致整体识别性能下降,即所谓的灾难性遗忘现象。为缓解该问题,人们提出了持续学习方法,使得模型能在学习新数据特征的同时,尽可能地保留对先前数据的识别能力。本文研究了基于持续学习的HRRP目标识别方法,主要工作内容有:(1)针对目标HRRP训练集姿态或域非完备的应用场景,提出了一种基于最佳相关性映射分类器的持续条件卷积(CCORMC)持续学习方法。该方法基于参数隔离策略,通过为模型的特征提取器扩充新任务专属的条件卷积结构,不仅增加了模型对目标新姿态的识别能力,而且完全保留了其对已学习目标姿态的识别能力;同时对模型的分类器附加多重相关性映射掩码来提高参数利用率,缓解了结构扩展导致的空间资源占用多问题。此外,充分利用雷达获取到的信息自动推理任务标签,使模型能够自动选择只与当前任务对应的参数参与计算并迭代更新,满足了掩码对任务标签的约束。实验结果表明所提方法有效改善了域扩充场景下的持续学习性能。(2)针对目标HRRP训练集型号或类别非完备的应用场景,提出了一种基于贪婪替换的模型分裂与桥接(Sa B-greedy)持续学习方法。对于模型持续学习新型号样本与重放旧型号样本的过程互相影响的问题,采用动态架构与样本重放策略,通过模型结构的分裂,分离式地学习新型号目标样本知识并巩固旧型号目标样本知识;同时,为了解决模型核心样本集代表性不足导致识别率下降的问题,利用基于梯度的贪婪替换策略构建重放核心样本集,充分表征各个类别目标样本的真实特征分布,并辅以适当的重采样策略缓解各类别样本不均衡问题。实验结果表明所提方法有效提高了类别扩充场景下模型的识别精度和稳定性。

关键词：雷达目标识别持续学习条件卷积最佳相关性映射模型分裂与桥接贪婪替换

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

基于动态特征探索的图像超分辨率重建研究

基于动态特征探索的图像超分辨率重建研究

作者：胡瀚洋江西财经大学

学位级别：硕士

图像超分辨率(Super Resolution,SR)重建是一项计算机视觉领域中重要的基础性任务,其目的是在有限的硬件条件下能够获取到更加清晰的高质量图像,这一任务在医学、公共安全等领域发挥了重要作用。近年来,深度学习的爆炸式发展为图像超分... 详细信息

图像超分辨率(Super Resolution,SR)重建是一项计算机视觉领域中重要的基础性任务,其目的是在有限的硬件条件下能够获取到更加清晰的高质量图像,这一任务在医学、公共安全等领域发挥了重要作用。近年来,深度学习的爆炸式发展为图像超分辨率重建技术注入了新的活力,改善了由基于插值、学习等基于传统理论方法所带来的边缘细节不清晰和存在伪影的问题。然而,现有的基于深度学习的方法依然存在局限性,首先,现有方法在放大倍数较高(如4×,8×)的重建任务中,重建出来的图像由于缺失大量纹理细节信息,从而存在边缘模糊的问题,同时,由于放大倍数的增大,其重建误差也呈指数型增大,对较高放大倍数的任务来说,其重建误差会使重建结果出现像素位置的偏移,导致边缘产生伪影。其次,绝大多数现有方法往往都需要为每一个放大倍数的任务单独训练一个模型,无法做到利用同一个模型来实现任意倍数的重建任务,这大大增加了存储消耗,难以用于实际。上述图像SR重建方法存在局限性的主要原因在于:其一是,现有的上采样方式对边缘像素值的不精确评估会导致在不同倍数的重建任务中重建结果出现大量误差;其二是,网络不能根据重建任务有针对性地实现特征提取,导致纹理细节的缺失甚至错误。针对上述所提及的两点问题,本文通过设计更为有效的上采样方式和特征提取器,构建两种深度超分辨率重建网络,具体内容如下:(1)针对放大倍数较大的图像超分辨率重建问题,本文提出了一种新颖的基于高低频差分特征提取的动态图像超分辨率重建网络,它由多个高低频率差分残差通道注意块作为网络骨架来提取特征,并以动态反卷积方式来进行上采样操作以重建高分辨率图像。具体来说,为了能够更有效地从图像中提取高频和低频信息,本文提出了一种高低频差分卷积,它通过对像素进行差分运算来提取图像的梯度信息,因此能够动态学习图像高频和低频信息的非线性映射,并作为网络骨架的基础卷积层。其次,提出了一种动态反卷积用于特征图的上采样,它在反卷积的基础上引入了路由权重和额外专家核,通过挖掘输入图像的特征,为每个专家分配路由权重,以提高专家的适应度,减少重构误差。大量实验结果表明,所提出的方法可以重建更多的边缘细节以满足视觉效果,并且在评价指标上优于对比方法,甚至在8×放大任务中的性能与规模比本文网络庞大10倍的模型相当。(2)针对任意放大倍数的图像超分辨率重建问题,本文中提出一种基于多尺度隐式表示函数的动态图像超分辨率重建网络。具体来说,为了让网络能够学习到不同尺度的特征以增强不同倍数的重建结果,本文首先设计了一个多尺度特征编码器用于提取图像在不同尺度下的特征信息。然后,针对网络在不同放大倍数的重建任务中重建特征存在的细微差距,以及仅适用单一放大倍数的问题,本文将条件卷积将进入到网络中,并进一步改进设计了一种尺度自适应卷积来细化各放大倍数任务下的图像特征。最后,将学习到的特征以及对应的坐标信息通过隐式表示函数映射为RGB值,获得重建的高分辨率图像。大量实验结果显示,所提出方法的重建结果有着清晰的纹理信息,并且在评价指标上优于对比方法,甚至能在30×这种极端任务中重建出大部分图像信息。综上所述,本文研究了大倍数和任意倍数的图像SR重建方法,通过改进上采样的方式以及特征提取的方式,有效解决了现有方法在大倍数和任意倍数的重建任务中边缘不够清晰和重建误差过大的问题,大量实验结果有力证明只有充分考虑到图像特性以及放大倍数,并以此为条件动态提取特征,才能有效减小重建误差提升视觉效果。所提出方法在视觉效果和评价指标上优于对比方法,为后续研究提供了一个新的思路,并为高层次视觉任务以及公共安全等方面的应用提供了有力支持。

关键词：图像超分辨重建高低频率差分条件卷积隐式表示函数

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

基于知识蒸馏的轻量级番茄叶部病害识别模型

江苏农业学报 2021年第3期37卷 570-578页

作者：汤文亮黄梓锋华东交通大学信息工程学院江西南昌330013

目前,基于迁移学习诊断农作物病害已经成为一种趋势,然而大多数研究使用的模型参数众多,占用了大量设备空间并且推理演算耗时较长,导致对存储和计算资源有严格限制的设备无法利用深度神经网络的优势。为此,本研究以PlantVillage数据集... 详细信息

目前,基于迁移学习诊断农作物病害已经成为一种趋势,然而大多数研究使用的模型参数众多,占用了大量设备空间并且推理演算耗时较长,导致对存储和计算资源有严格限制的设备无法利用深度神经网络的优势。为此,本研究以PlantVillage数据集中的番茄病害样本为研究对象,基于条件卷积及通道注意力机制,提出1种新颖的轻量级模型,同时使用知识蒸馏法指导模型训练,在保证模型性能的前提下压缩模型大小。将AlexNet、VGG16、GoogLeNet、ResNet50及DenseNet121进行对比,并利用类激活图(CAM)可视化模型分类决策的图像区域。结果表明,经过蒸馏的自定义模型可以精准定位番茄病叶的发病区域,在测试集中的平均识别准确率达97.6%,不仅优于其他模型,而且模型大小仅为4.4 M。

关键词：番茄病害识别模型条件卷积注意力机制知识蒸馏