检索结果-南通市图书馆

基于深度卷积网络和分水岭分割的耕地地块识别方法

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2022年第12期24卷 2389-2403页

作者：朱昱潘耀忠张杜娟北京师范大学地理科学学部北京100875 北京师范大学遥感科学国家重点实验室北京100875

耕地地块作为精准农业的重要支撑,现有地块边界大多依靠人工勾绘。随着遥感技术的发展,基于遥感影像自动提取耕地地块成为研究主要方向,其中基于深度学习的方法能够克服传统检测方法难以适应复杂场景的局限而被广泛使用,但现有检测方法... 详细信息

耕地地块作为精准农业的重要支撑,现有地块边界大多依靠人工勾绘。随着遥感技术的发展,基于遥感影像自动提取耕地地块成为研究主要方向,其中基于深度学习的方法能够克服传统检测方法难以适应复杂场景的局限而被广泛使用,但现有检测方法仍存在问题,基于深度卷积模型直接识别耕地区域会丢失内部边界、而基于边缘检测模型识别耕地边界时则会同时得到大量无关边界;此外,现有的基于阈值提取地块的策略所提取的地块不够规整,存在内陷的问题。针对上述问题,本研究提出一种基于深度卷积网络和分水岭分割的耕地地块提取方法,从信息检测和地块提取两方面进行改进:(1)将耕地边界视作一种地物类别,在深度卷积网络中进行类别概率检测,帮助实现对耕地边界的语义识别。(2)基于改进后的D-LinknetXt网络进行检测,其网络架构适合于对耕地边界这类线性目标的提取,同时更换原始D-Linknet网络的残差单元,帮助提高了网络的特征提取能力。(3)基于分水岭分割对耕地地块进行提取,利用了区域分割方法获取边界的封闭性,并且这种以区域为单元进行分割并合并的方式,解决了原有方法在像元尺度上基于阈值提取所遇到的提取地块存在内陷的问题,使地块更规整准确。在一景高分二号影像上进行检验,并设计两类精度指标,从全局边界精度和地块几何精度两方面进行方法性能评估。实验结果表明,本方法的精度优于3种对比方法,在代表边界精度的F1分数上达到了0.933,地块几何精度为0.829。本研究所提出的方法能够更加准确的对耕地地块进行提取,并适用于实际应用中。

关键词：耕地地块地块边界深度卷积网络分水岭分割高分辨率影像遥感

在线全文

学校读者我要写书评

暂无评论

深度卷积网络的自然场景文本检测研究综述

小型微型计算机系统 2023年第9期44卷 1996-2008页

作者：宋传鸣王一琦武惠娟何熠辉洪飏王相海辽宁师范大学计算机与人工智能学院辽宁大连116081 辽宁师范大学文学院辽宁大连116081 中国科学院大连化学物理研究所科学传播处辽宁大连116023 苏州大学江苏省计算机信息处理技术重点实验室江苏苏州215006

自然场景文本检测是从场景图像中获取文本信息的重要手段,但是仍旧面临背景复杂、文字种类丰富、排列方向多样、文本行组成复杂等因素的严峻挑战.研究检测精度高、通用性强、稳健性好的自然场景文本检测方法是目前计算机视觉领域的热点... 详细信息

自然场景文本检测是从场景图像中获取文本信息的重要手段,但是仍旧面临背景复杂、文字种类丰富、排列方向多样、文本行组成复杂等因素的严峻挑战.研究检测精度高、通用性强、稳健性好的自然场景文本检测方法是目前计算机视觉领域的热点问题之一.并且,基于深度卷积网络的自然场景文本检测方法逐渐成为主流.因此,从自然场景文本检测技术的研究背景及主要挑战切入,根据骨干网络的不同将现有方法划分为基于VGG网络的文本检测方法、基于残差网络的文本检测方法和基于特征金字塔网络的文本检测方法,重点阐述各类方法的核心思想、技术优势及其不足;然后,总结自然场景文本检测的公共数据集,对代表性方法的检测性能进行客观比较;最后,梳理和总结自然场景文本检测技术的难点并展望其未来发展趋势.

关键词：文本检测自然场景文本综述深度学习深度卷积网络

基于深度卷积网络的乳腺癌数字化病理图像的自动诊断研究

在线全文

学校读者我要写书评

暂无评论

基于深度卷积网络的乳腺癌数字化病理图像的自动诊断研究

作者：朱雪冬东南大学

学位级别：硕士

目前,乳腺癌是全球发病率和死亡率最高的癌症,严重危害人们的身心健康。作为一种异质性疾病,病理组织学是诊断乳腺癌的“金标准”,病理学家通过在显微镜下观察活体组织切片,判断是否罹患癌症和癌症的发展阶段或等级。乳腺组织结构极其复... 详细信息

目前,乳腺癌是全球发病率和死亡率最高的癌症,严重危害人们的身心健康。作为一种异质性疾病,病理组织学是诊断乳腺癌的“金标准”,病理学家通过在显微镜下观察活体组织切片,判断是否罹患癌症和癌症的发展阶段或等级。乳腺组织结构极其复杂,人工诊断方式耗时耗力,有时会出现漏诊、误诊的情况。同时,组织学诊断受个人经验和判断标准的差异,诊断一致率较低。因此,开发一个乳腺癌自动诊断系统来辅助病理医生提高诊断的正确率和效率是非常具有价值和实际应用意义的。随着深度学习的发展,深度卷积网络逐渐成为识别数字病理图像的重要工具。本文也采用深度卷积网络,就癌症区域检测划分和组织学分级两个任务,开展对苏木精-伊红染色的乳腺组织病理图像自动诊断研究,主要内容如下:(1)提出一种基于轻量级双路径网络的语义分割方法,将乳腺癌全扫描切片分为正常组织、良性增生、原位癌和浸润癌四个区域。针对乳腺癌全扫描切片千兆级分辨率尺寸、高类内差异、低类间差异的特点,双路径网络采用轻量框架结构结合膨胀卷积和通道注意力机制,提取、筛选和结合不同层次的有效信息,模在ICIAR2018 BACH数据集上获得了68.12%的平均交并比和87.02%的像素精度,在分割精度和效率上都有非常优异的表现。(2)提出一种基于多分类器的集成系统,对乳腺癌核异型性进行自动评分。使用残差卷积网络ResNet50作为单分辨率下的基级分类器,再用元决策树法将各个分辨率下的分类器结果有策略的组合起来。基级分类器的训练使用迁移学习来解决小样本对于深度网络的局限性,另外采用染色标准化对不同设备采集的图像进行预处理以提高模型的泛化能力。模型在ATPIA数据集上实验达到88.00%的分类精确度和86.45%的敏感度,和其他最新算法相比具有较强的竞争性。(3)提出一种基于混合注意力嵌套U-Net网络的核分割方法,对乳腺癌核异型性自动评分进行优化,减少乳腺组织中大量的细胞质等区域对核异型评分的干扰。混合嵌套U型网络和混合注意力模块的组合结构使网络能够捕捉小而密集、粘连的细胞核,同时可以提取复杂且多样的核边界。我们利用MoNuSeg中来自乳腺器官的图像和20张来自江苏省人民医院的浸润性乳腺癌图像构建了浸润性乳腺癌核分割数据集并对网络进行训练,获得0.8875的F1和0.6419的AJI分数。核分割优化后的核异型评分系统预测精确度提高了1.76%,敏感度提高了1.14%,性能显著提升,是实现组织学自动分级的重要工具。

关键词：乳腺癌病理图像深度卷积网络语义分割特征提取核异型评分细胞核分割通道注意力元决策树

基于深度卷积网络的轨道扣件缺陷定量检测方法研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的轨道扣件缺陷定量检测方法研究

作者：高嘉琳北京建筑大学

学位级别：硕士

近年来随着轨道覆盖面不断扩大,轨道技术也相应提升。铁路线路状态监测是保证铁路运输系统安全的重要任务之一,轨道扣件缺陷有效检测是保证轨道交通安全运行的重要手段。由于轨道扣件缺陷特征的复杂多样性,传统的机器视觉方法难以获得... 详细信息

近年来随着轨道覆盖面不断扩大,轨道技术也相应提升。铁路线路状态监测是保证铁路运输系统安全的重要任务之一,轨道扣件缺陷有效检测是保证轨道交通安全运行的重要手段。由于轨道扣件缺陷特征的复杂多样性,传统的机器视觉方法难以获得满意的检测结果。现有的基于深度学习的方法存在模型尺寸大、参数过多、精度低、速度慢且定量检测困难等问题。本文针对上述问题,鉴于快速准确检测的要求,采用深度学习技术,使用有监督数据增强技术对轨道扣件缺陷图像进行增强,并建立轨道扣件缺陷检测模型,在此基础上引入轻量化网络和定量化检测方法对轨道扣件状态进行检测,实现了精度高、速度快、模型小等检测目标,有效地提高了轨道扣件缺陷检测效率,实现了轨道扣件定量检测的目标,满足了轨道扣件缺陷检测要求。本文主要研究内容如下:(1)针对轨道扣件故障信息较少、数据类别不均衡的问题。首先,采用基于马赛克、特征融合和随机数据增强的方法对故障信息进行有监督图像增强,提升了数据集中故障样本数量,使数据类别更均衡。其次,构建了轨道扣件故障诊断数据集。然后,搭建基于Swin-Transformer轨道扣件故障诊断网络模型。最后,通过试验验证进行分析,验证了基于数据增强和Swin-Transformer轨道扣件故障诊断方法的有效性。(2)针对目前轨道缺陷检测模型尺寸较大、检测速度慢等缺陷,传统的机器视觉很难获得满意的结果。基于对YOLOv5网络的研究,首先,采用深度可分离卷积替换YOLOv5中的C3模块(three standard convolution and Bottleneck module),能够降低模型参数量。第二,将卷积块注意力模型(CBAM)集成到网络中以找到注意力区域,提升网络的特征表征性能。第三,更改了原来的YOLOv5损失函数,以优化损耗函数计算方法和网络结构。最后,在所构建的数据集上能够对轨道扣件有效定位和识别检测,而且进行对比试验,与其他深度学习方法相比,不仅具有更高的检测精度而且能够保证较快的检测速度。(3)针对传统的基于深度学习的扣件状态检测方法对偏移扣件检测困难和对缺陷定量化检测较难等问题,提出了一种基于改进掩膜区域卷积神经网络(Mask R-CNN)的铁路扣件状态检测方法。首先,通过现场试验建立图像数据集,并对图像进行标注;然后,利用该数据集建立基于Mask R-CNN的扣件状态检测方法,提取扣件位置并进行分割,针对正常、断裂和丢失扣件,通过计算腌膜面积进行定量化检测;最后,针对偏移扣件,采用最小外接矩形法改进Mask R-CNN的输出层,获取扣件角度信息进行定量化检测,以提高偏移扣件检测的准确率。经现场测试,采用方法能够对偏移扣件进行有效检测,并且检出率和准确率均较高,能够实现定量化检测。

关键词：深度卷积网络轨道扣件目标检测故障诊断定量化检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的肺结节CT图像检测

基于深度卷积网络的肺结节CT图像检测

作者：杨钰玲重庆理工大学

学位级别：硕士

从世界卫生组织2021年发布的数据中可以看出,肺癌的死亡率是所有其他常见类型的癌症中最高的,并且仍然是最具破坏性的疾病之一。其五年平均生存率为17.7%,若能在早期被诊断和定位,它的存活率会增加到54.4%,但只有15%的病例在早期被诊断... 详细信息

从世界卫生组织2021年发布的数据中可以看出,肺癌的死亡率是所有其他常见类型的癌症中最高的,并且仍然是最具破坏性的疾病之一。其五年平均生存率为17.7%,若能在早期被诊断和定位,它的存活率会增加到54.4%,但只有15%的病例在早期被诊断出来。肺结节的早期诊断可以潜在地挽救许多生命。计算机断层扫描（CT）可以用于早期检测肺结节。肺癌筛查试验（LCST）结果表明,CT筛查出的肺癌5年死亡率降低了约20%。肺结节检测系统能够辅助医生解释诊断数据。因此,改进肺结节辅助检测系统使其准确检出肺结节,有效降低漏检率和假阳性率,对肺癌患者来说非常重要。这项研究深入探讨了肺实质分割和肺结节检测的技术现状,以深度卷积网络和肺结节CT图像为主要研究对象,开展了肺实质分割和肺结节检测两方面的研究。（1）针对目前肺实质分割存在的主要问题,本文提出一种基于U型编码结构改进的双注意力机制分割算法,该算法通过在编码部分适当添加残差结构,增加网络层数以及使用双注意力机制进行信息多融合等多种改进手段,从而实现网络模型泛化能力和鲁棒性的提升。改进后的网络优化了肺实质的分割效果,可以精确找到肺部区域的具体位置包括精确的目标边界。在LUNA16和MSD数据集上进行实验,最终结果表明,该方法的Dice相似系数为95.83%,性能优于其它方法,分割效果较好。在保证鲁棒性的基础上,当卷积网络特征学习的足够好,算法更有望成为减轻医生手动标注的工具。（2）对于肺结节的检测,灵敏度低,小目标的识别比较困难等问题,本文提出了一种基于YOLOv3改进的多尺度信息融合网络。多尺度信息融合网络以当前识别精度高的YOLOv3骨干网络为基础,在其中巧妙地加入了残差结构,融合了通道和空间注意力模块,还添加了多尺度卷积进行信息融合,改进了激活函数以及损失函数,使用了数据增强等手段,最终特殊型肺结节也能够被模型检测出。在LUNA16数据集上的消融实验结果证明,该多尺度信息融合网络中的模块能协同工作,更好地检测出阳性肺结节,与经典模型的对比实验证明,该算法灵敏度达到93.4%,而平均CPM评分达到了0.909。多尺度信息融合网络在肺结节检测中能实现更优的性能,降低医生的工作量,提升诊断效率。

关键词： CT图像深度卷积网络肺实质分割肺结节检测

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的机械臂抓取方法研究

基于深度卷积网络的机械臂抓取方法研究

作者：周志阳西南科技大学

学位级别：硕士

随着科学技术的发展,机械臂在生产生活中的应用越来越广泛。然而,在实际作业场景中,机械臂的应用面临着环境复杂多变、目标未知等严峻挑战。尤其是非结构化环境下,物体的抓取位姿检测仍然是一项难度较大的工作。针对透明物体的抓取位姿... 详细信息

随着科学技术的发展,机械臂在生产生活中的应用越来越广泛。然而,在实际作业场景中,机械臂的应用面临着环境复杂多变、目标未知等严峻挑战。尤其是非结构化环境下,物体的抓取位姿检测仍然是一项难度较大的工作。针对透明物体的抓取位姿检测,由于商用深度相机成像过程中会出现的深度信息不准确而变得更加困难。本文对机械臂抓取位姿检测以及面向透明物体的深度图修复开展了研究,主要研究内容如下:(1)提出了一种基于深度可分离卷积的抓取位姿检测网络DSC-Grasp Net。设计基于深度可分离卷积的轻量级骨干网络以提取图像多层级特征,特征经CSP模块进行融合和逐级上采样后,经抓取生成头对抓取位姿进行预测。在网络训练阶段,使用基于高斯分布的软编码质量图以突出抓取区域中心位置的重要性,并设计位置增强型P-Huber损失函数,使得网络的学习更加聚焦于目标抓取区域。网络在Cornell数据集上达到了98.8%的图像划分检测精度和98.3%的对象划分检测精度,并在Jacquard数据集上达到了95.3%的检测精度,同时模型参数量为0.698 M,推理单张RGB-D图像耗时14 ms。(2)设计了一种轻量级透明物体深度图修复网络E2EDepth Net。为了增加网络内部的信息流动路径并提升网络的学习能力,基于密集跳层连接结构设计编码器-解码器架构。网络中特征提取单元基于融合e SE注意力的单次聚合模块设计,在编码器中设计了多层特征融合模块,在解码器设计中采用了稠密上采样卷积,以获取更为精细的深度修复结果。在TransCG透明物体深度修复数据集上的实验结果表明,E2EDepth Net的RMSE指标为0.014,准确率在精度阈值为1.05时达到了91.2%,推理一张图像耗时12.2 ms。同时,为验证深度图修复网络在透明物体抓取检测任务中的贡献,构建了透明物体抓取数据集,在该数据集上的实验结果表明,E2EDepth Net能有效提升抓取检测网络的精度。(3)搭建了机械臂抓取系统,对硬件设备进行了标定,基于ROS搭建了软件平台,最后基于上述的抓取检测网络和深度图修复网络开展了抓取实验。在非透明物体抓取任务中进行了100次抓取尝试并达到了84%的平均抓取成功率,在透明物体抓取任务中进行了80次抓取尝试并达到了81.25%的平均抓取成功率,验证了本文两个网络在机械臂抓取任务中的可行性。

关键词：深度卷积网络机械臂抓取位姿检测深度图修复

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度卷积网络的高速公路雾天能见度检测

基于深度卷积网络的高速公路雾天能见度检测

作者：闫宏艳南京信息工程大学

学位级别：硕士

雾天能见度降低给高速公路的通行效率与安全运营带来了极大威胁,全方位高效的能见度检测对交通管理具有十分重要的意义。随着高速公路监控设备的普及,通过构建基于监控图像的能见度自动检测方法,能够在降低成本的同时实现密集的大范围... 详细信息

雾天能见度降低给高速公路的通行效率与安全运营带来了极大威胁,全方位高效的能见度检测对交通管理具有十分重要的意义。随着高速公路监控设备的普及,通过构建基于监控图像的能见度自动检测方法,能够在降低成本的同时实现密集的大范围检测。然而由于成像设备及成像条件存在差异,且监控图像特征与能见度类别之间具有复杂的非线性关系,如何依据图像进行准确的能见度检测是一项具有挑战性的任务。鉴于深度卷积网络优异的特征学习能力,本文旨在研究基于深度卷积网络的图像能见度等级检测方法,构建了一个真实场景下的高速公路数据集,提出了两种检测算法,并设计开发了能见度等级自动检测原型系统,具体工作包括:(1)基于孪生网络的有参考图像能见度检测:本文提出了一种基于孪生网络的算法模型,将待检测图像与无雾参考图像联合作为输入,通过判别两者间的特征差异来检测能见度。检测网络设计有孪生特征提取分支,并嵌入注意力模块用于提取输入图像对的高维特征。同时基于多任务思想设计了一条主干分支通过比较提取特征间的差异性进行等级分类,一条并行的辅助分支通过度量特征间相似性增强网络的区分学习能力。实验结果表明本文算法能够增强对相近类别的判别能力,减小拍摄视角不同所带来的影响,具有优越的检测性能。(2)基于多通路融合网络的单张雾天图像能见度检测:为提高算法在实际场景中的泛化性,本文进一步探索不依赖无雾参考图像,仅使用单张雾天图像的能见度检测算法。本文首先从大气散射模型分析出与雾气浓度相关的多个物理因素,进而提出综合这些物理因素的多通路深度融合网络模型。基于该思路,检测网络设计有三条并行通路,联合学习输入图像的深度视觉特征、透射率矩阵特征以及场景深度特征。同时设计了一个基于注意力机制的融合模块自适应地融合这三类特征以进行能见度等级检测。实验结果表明本文算法可以适应不同的监控拍摄场景,提升了对单张图像能见度的检测性能。(3)高速公路雾天能见度等级自动检测原型系统:本文基于所提出的单张图像检测算法设计开发了一个能见度等级自动检测原型系统。该系统提供了友好的可视化交互操作界面,使用人员可以在线构建模型,加载权重,选择图像并进行能见度等级检测,满足了在实际场景中的应用需求。

关键词：能见度检测深度卷积网络孪生网络多通路融合检测系统

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于模型重建的深度卷积网络权值可视化方法

电子与信息学报 2019年第9期41卷 2194-2200页

作者：刘嘉铭邢孟道符吉祥徐丹西安电子科技大学雷达信号处理国家重点实验室

针对深度卷积网络原理分析的问题,该文提出一种基于模型重建的权值可视化方法。首先利用原有的神经网络对测试样本进行前向传播,以获取重建模型所需要的先验信息;然后对原本网络中的部分结构进行修改,使其便于后续的参数计算;再利用正... 详细信息

针对深度卷积网络原理分析的问题,该文提出一种基于模型重建的权值可视化方法。首先利用原有的神经网络对测试样本进行前向传播,以获取重建模型所需要的先验信息;然后对原本网络中的部分结构进行修改,使其便于后续的参数计算;再利用正交向量组,逐一地计算重建模型的参数;最后将计算所得的参数按照特定的顺序进行重排列,实现权值的可视化。实验结果表明,对于满足一定条件的深度卷积网络,利用该文所提方法重建的模型在分类过程的前向传播运算中与原模型完全等效,并且可以明显观察到重建后模型的权值所具有的特征,从而分析神经网络实现图像分类的原理。

关键词：深度卷积网络可视化模型重建

在线全文

学校读者我要写书评

暂无评论

基于GCN的多源变工况滚动轴承故障诊断

铁道科学与工程学报 2024年第5期21卷 2109-2118页

作者：谢锋云王玲岚宋明桦樊秋阳孙恩广朱海燕华东交通大学机电与车辆工程学院江西南昌330013 智能交通装备全寿命技术创新中心江西南昌330013

滚动轴承是旋转机械的关键部件,其健康状况的识别非常重要。迁移学习作为一种有效工具被广泛应用于故障诊断领域,但单源迁移学习方法可能存在泛化性能较差甚至引起负迁移,造成识别效果不佳的问题。提出一种基于多感受野图卷积网络(GCN)... 详细信息

滚动轴承是旋转机械的关键部件,其健康状况的识别非常重要。迁移学习作为一种有效工具被广泛应用于故障诊断领域,但单源迁移学习方法可能存在泛化性能较差甚至引起负迁移,造成识别效果不佳的问题。提出一种基于多感受野图卷积网络(GCN)的多源迁移学习方法(MS-GCN),通过在多个源域数据上学习迁移知识,实现变工况下滚动轴承的故障诊断。该方法首先利用小波变换将振动数据样本转换为二维时频图样本,将获得的N组源域样本和目标域样本进行构建得到N组源域-目标域样本数据对;其次,先利用深度卷积网络学习每组数据对的高维特征,再由多感受野图卷积网络学习所提特征的数据结构,使得自适应方法能充分学习域不变特征,更有效地将源域与目标域特征进行对齐,训练得到N组分类器;最后,取N组分类器分类结果的平均值为目标域样本的状态识别结果。基于江南大学轴承数据集对所提方法展开实验验证,在3组不同的变工况轴承故障诊断任务中,所提方法对4种不同状态(正常、内圈故障、外圈故障及滚动体故障)的分类准确率均在99%以上,与其他方法相比诊断准确率提升了0.22~8.27个百分点。对比结果表明:所提方法对变工况下滚动轴承的故障进行识别,可以有效地诊断出轴承的故障类型,具有一定的工程实用价值。

关键词：故障诊断多感受野图卷积网络多源域迁移学习深度卷积网络滚动轴承