检索结果-南通市图书馆

计算机应用 2024年第8期44卷 2407-2413页

作者：陈彤杨丰玉熊宇严荭邱福星南昌航空大学软件学院南昌330063

为解决声纹识别准确性易受外部因素影响的问题,提出一种基于多尺度频率通道注意力融合时延神经网络(MFCA-TDNN)模型的声纹识别算法。MFCA-TDNN在ECAPA-TDNN(Emphasized Channel Attention Propagation Aggregation Time Delay Neural Network)的基础上作了3点改进,包括:加入了多尺度频率通道注意力前端以从话语中获得高分辨率的特征表示、添加了多尺度通道注意力模块结合局部和全局的特征以融合多尺度信息、嵌入了特征注意力融合模块为多尺度的融合特征加权。这些改进使模型更好地利用多尺度的时频信息,提高识别能力。实验结果表明,与ECAPA-TDNN模型相比,MFCA-TDNN模型等错误率(EER)和最小检测代价函数(minDCF)分别下降5.9%和7.9%;最低的EER可达到3.83%,最低的minDCF可达到0.2202。

关键词：声纹库时延神经网络多尺度特征提取频率通道注意力特征注意力融合

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于对抗性引导融合与注意力分割的红外—可见光夜间车载场景解析

基于对抗性引导融合与注意力分割的红外—可见光夜间车载场景解析

引用

作者：滕之杰南京理工大学

学位级别：硕士

随着车载智能化平台和智能驾驶技术的日益发展,人们对车载平台的智能算法的要求越来越高。而当前大多车载智能视觉算法侧重白天却忽视夜间场景需求,因此,基于红外和可见光双模态的图像算法成为研究的关注点,尤其是图像融合和图像分割技... 详细信息

随着车载智能化平台和智能驾驶技术的日益发展,人们对车载平台的智能算法的要求越来越高。而当前大多车载智能视觉算法侧重白天却忽视夜间场景需求,因此,基于红外和可见光双模态的图像算法成为研究的关注点,尤其是图像融合和图像分割技术。然而,就图像融合而言,红外和可见光图像性质差异大,夜间车载场景信息量少且空间上分布复杂;就图像分割而言,夜间车载场景较复杂,红外和可见光图像特征薄弱且常出现尺度较小的目标。因此,本文针对夜间车载场景下图像融合和图像分割的算法的各自特点展开研究,利用融合和分割二者相辅相成,相互推进,由决策级的改进推动像素级任务的性能,主要工作如下:(1)在红外-可见光图像融合任务中,红外可见光图像场景复杂,目标显著性和纹理细节留存这一对矛盾难以平衡。本文针对此问题,利用语义分割挖掘特征引导图像融合,构建了基于对抗性语义引导的红外-可见光图像融合网络ASGGAN。网络引入对抗语义引导模块(ASG),即语义判别器,利用分割网络来迁移语义信息到图像融合的过程,增强了融合图像的目标显著性。同时构造对抗视觉感知模块(AVP),即感知判别器,采用条件U型判别器的结构,在图像融合地过程中充分保留图像的全局结构特征和局部纹理细节,达到可见光的自然观感。实验结果表明,ASGGAN通过客观评价指标边缘强度EI比较,较基准网络提升了0.86。(2)在红外-可见光图像分割任务中,夜间车载平台红外可见光图像性质差异较大,特征差异化较大,特征间易互相干扰影响信息提炼。和ASGGAN利用分割推动图像融合相反,本文针对此问题,利用互补性特征融合推动语义分割,构建了基于残差金字塔和注意力特征融合的红外-可见光夜间车载场景语义分割网络RPAFNet。对可见光和红外的主干和残差进行特征注意力融合,实现两路各层次特征的有用信息的优势互补,增强有利信息并抑制冗余和不利信息。通过通道注意力和空间注意力,强化对特征薄弱或尺度较小的目标的分割能力。实验结果表明,相比基准分割网络,RPAFNet分割指标平均交并比MIOU提升了4.0%。

关键词：图像融合图像分割对抗语义引导对抗视觉感知特征注意力融合

来源：

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

面向小目标提取的改进DeepLabV3+模型遥感图像分割

引用

遥感信息 2022年第2期37卷 34-44页

作者：郭新张斌程坤中国地质大学(武汉)地理与信息工程学院武汉430078 武汉工程大学计算机科学与工程学院武汉430205

针对DeepLabV3+模型在遥感影像语义分割中呈现出小尺度地物语义信息丢失、数据类别不均衡引起误差等缺陷,提出了一种面向小目标提取的改进DeepLabV3+语义分割模型。首先,在模型编码器空间空洞金字塔池化(atrous spatial pyramid pooling... 详细信息

针对DeepLabV3+模型在遥感影像语义分割中呈现出小尺度地物语义信息丢失、数据类别不均衡引起误差等缺陷,提出了一种面向小目标提取的改进DeepLabV3+语义分割模型。首先,在模型编码器空间空洞金字塔池化(atrous spatial pyramid pooling,ASPP)中引入多组并行空洞卷积(multiple parallel dilated convolution,MPDC)和感受野融合策略;其次,在模型解码器部分加入特征注意力融合模块(feature attention fusion,FAF);最后,使用加权的Lovasz-softmax loss优化损失函数。将改进后的模型通过Landcover和CCF2017高分辨率遥感影像数据集进行验证,结果表明,在两个测试数据集上的平均交并比比原始的DeepLabV3+模型分别提高了1.17%~1.24%和0.85%~0.95%,特别地,小目标如建筑物的交并比相比原始模型分别提升了3.51%~3.86%和2.11%~2.38%,改进后的DeepLabV3+模型能更充分表达高分辨率遥感图像细节信息。

关键词：语义分割空洞卷积感受野融合特征注意力融合损失函数

来源：

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

基于语义引导与对比学习的水下图像增强算法研究

基于语义引导与对比学习的水下图像增强算法研究

引用

作者：刘紫薇电子科技大学

学位级别：硕士

水下图像增强是水下图像处理的一大研究重点,在水下环境感知、海洋环境监测、水下工程监测等领域中都有着广泛的应用前景。随着深度学习在计算机视觉领域的快速发展,水下图像增强算法取得了长足进步。但是由于真实场景的水下成对数据集... 详细信息

水下图像增强是水下图像处理的一大研究重点,在水下环境感知、海洋环境监测、水下工程监测等领域中都有着广泛的应用前景。随着深度学习在计算机视觉领域的快速发展,水下图像增强算法取得了长足进步。但是由于真实场景的水下成对数据集数量稀缺,且参考图像的质量有待改进,水下图像增强网络存在缺乏有效监督信号等问题,水下图像增强领域仍面临许多挑战。针对以上问题,本文对现有水下图像增强算法进行了调研与分析,提出一种基于语义引导与对比学习的水下图像增强算法,提升图像修复效果。本文主要研究内容如下:(1)考虑到水下图像增强网络的训练缺乏更有效的监督信号,本文通过在水下图像增强网络中添加语义信息作为额外监督信号,引导增强网络对语义相关区域采取一致性增强,改善图像边缘模糊。此外,在一些图像退化类型上罕见但在语义上相关的场景,语义信息为网络提供先验知识,改善模型表现,提升模型泛化能力。本文引入特征注意力融合机制避免了跨域信息直接融合导致的上下文信息丢失,更好地组合语义信息与重建特征,最大程度发挥语义信息的引导作用。考虑到水下图像存在不均匀退化,通过空间注意力与通道注意力的结合使用,网络能够为退化严重区域分配更合理的权重,提升图像的增强效果。(2)考虑到现有对比学习框架所学习到的全局视觉表征对于要求丰富纹理细节信息的低级视觉任务是不足够的,并且现有生成正负样例的数据增强方法会破坏像素之间的对应关系,不适用于低级视觉任务,本文的对比学习框架采用GAN-like的训练方式,在训练过程中提升对比判别器的退化感知能力,并将对比判别器作为特征编码网络,进行特征距离的度量。通过为增强参考图像添加色彩偏置量生成一系列包含随机色偏的水下图像作为负样本,从而提升网络对色彩的感知能力。选取增强参考图像作为正样本,正负样本对增强网络的双向约束使得网络性能有了进一步提升。本文所提出的基于语义引导与对比学习的水下图像增强算法在多个真实水下数据集上表现良好,符合人眼视觉感知。本文网络在SUIM数据集上PSNR、SSIM指标分别为24.30、0.9144。此外本文的对比学习框架同样可以应用在其他水下图像增强网络中,提升网络增强效果。在引入对比学习框架后,PSNR、SSIM指标最高分别提升了0.16、0.0017。

关键词：水下图像增强语义引导特征注意力融合对比学习对比判别器

来源：

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

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：