检索结果-南通市图书馆

用于小麦多生长阶段倒伏边界精准检测的分层交互特征金字塔网络

在线全文

学校读者我要写书评

暂无评论

智慧农业（中英文） 2024年第2期6卷 128-139页

作者：庞春晖陈鹏夏懿章军王兵邹岩陈天娇康辰瑞梁栋安徽大学农业生态大数据分析与应用技术国家地方联合工程研究中心/信息材料与智能感知安徽省实验室/安徽大学互联网学院安徽合肥230601 安徽财经大学管理科学与工程学院安徽蚌埠233030 中国科学院合肥物质科学院智能机械研究所安徽合肥230031 中国科学技术大学安徽合肥230031 西南科技大学四川绵阳621010 农业传感器与智能感知安徽省技术创新中心中科合肥智慧农业协同创新研究院安徽合肥231131 安徽鹏视智能科技有限公司安徽合肥230000

[目的/意义]传统的小麦倒伏检测方法需要人工进行田间观测和记录,这种方法存在主观、效率低、劳动强度大等问题,难以满足大规模的小麦倒伏检测的需求。基于深度学习的小麦倒伏检测技术虽已在一定程度上得到应用,但普遍局限于对小麦单一... 详细信息

[目的/意义]传统的小麦倒伏检测方法需要人工进行田间观测和记录,这种方法存在主观、效率低、劳动强度大等问题,难以满足大规模的小麦倒伏检测的需求。基于深度学习的小麦倒伏检测技术虽已在一定程度上得到应用,但普遍局限于对小麦单一发育阶段的倒伏识别,而倒伏可能发生在小麦生长的各个时期,不同时期倒伏特征变化复杂,这给模型特征捕捉能力带来考验。本研究旨在探索一种基于深度学习技术的多生育期小麦倒伏区域检测方法。[方法]用无人机采集小麦灌浆期、早熟期、晚熟期这三个关键生长阶段的RGB图像,通过数据增强等技术构建出多生育期小麦倒伏数据集。提出一种小麦倒伏提取模型Lodging2Former,该模型在Mask2Former的基础上加以改进,引入分层交互式特征金字塔网络(Hierarchical Interactive Feature Pyramid Network,HI-FPN),用于提高模型在复杂田间背景干扰下对于多个生长阶段小麦倒伏特征的捕捉能力。[结果和讨论]所提出的Lodg⁃ing2Former模型相较于现存的多种主流算法,如Mask R-CNN(Mask Region-Based Convolutional Neural Network)、SOLOv2(Segmenting Objects by Locations,Version 2)以及Mask2Former,在平均精度均值(mean Average Precision,mAP)上展现出显著优势。在阈值分别为0.5、0.75以及0.5~0.95的条件下,模型的mAP值分别达到了79.5%、40.2%和43.4%,相比Mask2Former模型,mAP性能提升了1.3%~4.3%。[结论]提出的HI-FPN网络可以有效利用图像中的上下文语义和细节信息,通过提取丰富的多尺度特征,增强了模型对小麦在不同生长阶段倒伏区域的检测能力,证实了HI-FPN在多生育期小麦倒伏检测中的应用潜力和价值。

关键词：无人机深度学习小麦倒伏检测特征金字塔网络 Mask2Former

在线全文

学校读者我要写书评

暂无评论

面向图像修复取证的U型特征金字塔网络

计算机应用 2023年第2期43卷 545-551页

作者：沈万里张玉金胡万上海工程技术大学电子电气工程学院上海201620

图像修复是一种常见的图像篡改手段,而基于深度学习的图像修复方法能生成更复杂的结构乃至新的对象,使得图像修复取证工作更具有挑战性。因此,提出一种端到端的面向图像修复取证的U型特征金字塔网络(FPN)。首先,通过自上而下的VGG16模... 详细信息

图像修复是一种常见的图像篡改手段,而基于深度学习的图像修复方法能生成更复杂的结构乃至新的对象,使得图像修复取证工作更具有挑战性。因此,提出一种端到端的面向图像修复取证的U型特征金字塔网络(FPN)。首先,通过自上而下的VGG16模块进行多尺度特征提取,并利用自下而上的特征金字塔架构对融合后的特征图进行上采样,整体流程形成U型结构;然后,结合全局和局部注意力机制凸显修复痕迹;最后,使用融合损失函数以提高修复区域的预测率。实验结果表明,所提方法在多种深度修复数据集上的平均F1分数和IoU值分别为0.7919和0.7472,与现有的基于扩散的数字图像修复定位(LDI)、基于图像块的深度修复取证方法(Patch-CNN)和基于高通全卷积神经网络(HP-FCN)方法相比,所提方法具有更好的泛化能力,且对JPEG压缩也具有较强的鲁棒性。

关键词：数字图像取证深度图像修复篡改检测特征金字塔网络融合损失

在线全文

学校读者我要写书评

暂无评论

基于注意力特征金字塔网络的肺结节检测算法

计算机应用 2023年第7期43卷 2311-2318页

作者：秦源源张鸿武汉科技大学计算机科学与技术学院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

针对肺结节计算机辅助检测(CAD)系统中肺结节形态各异难以检测带来的敏感度低、假阳性率高的问题,提出一种基于注意力特征金字塔网络的肺结节检测算法。在第一阶段,以更加紧凑的双路径网络(DPN)为骨干网络,并结合特征金字塔网络(FPN)进... 详细信息

针对肺结节计算机辅助检测(CAD)系统中肺结节形态各异难以检测带来的敏感度低、假阳性率高的问题,提出一种基于注意力特征金字塔网络的肺结节检测算法。在第一阶段,以更加紧凑的双路径网络(DPN)为骨干网络,并结合特征金字塔网络(FPN)进行多尺度预测,以获取不同层次的特征信息,同时嵌入全局注意力机制(GAM)来细化学习要强调的语义特征,并提高算法的敏感度;在第二阶段,提出一种假阳性抑制网络,以获得最终分类预测结果;在训练阶段,采用焦点损失函数和多种数据增强技术来处理数据不平衡问题。在公开数据集LUNA16(LUng Nodule Analysis 2016)上的实验结果显示:仅有第一阶段的算法的竞争性能指标(CPM)达到了0.908,而加入假阳性抑制网络后算法的CPM达到了0.933,这与经典算法基于最大强度投影(MIP)的卷积神经网络(CNN)算法相比提升了1.1个百分点;而消融实验的结果表明DPN、FPN、GAM对于提升检测敏感度是有作用的。以上证明了所提出的两阶段检测算法可以获取多尺度结节信息,提高肺结节检测的敏感度,并且降低假阳性率。

关键词：肺结节检测注意力机制特征金字塔网络假阳性抑制卷积神经网络

基于特征金字塔网络和密集网络的肺部CT图像超分辨率重建

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年第5期43卷 1612-1619页

作者：申利华李波武汉科技大学计算机科学与技术学院武汉430081

针对肺部计算机断层扫描(CT)图像的超分辨率(SR)重建中需要加大对肺结节的关注度、满足重建后的特征具有客观存在性等问题,提出一种基于特征金字塔网络(FPN)和密集网络的肺部图像SR重建方法。首先,在特征提取层利用FPN提取特征;其次,在... 详细信息

针对肺部计算机断层扫描(CT)图像的超分辨率(SR)重建中需要加大对肺结节的关注度、满足重建后的特征具有客观存在性等问题,提出一种基于特征金字塔网络(FPN)和密集网络的肺部图像SR重建方法。首先,在特征提取层利用FPN提取特征;其次,在特征映射层设计基于残差网络的局部结构,再用特殊的密集网络连接此类局部结构;再次,在特征重建层利用卷积神经网络(CNN)将不同深度的卷积层逐渐降为图像大小;最后,利用残差网络融合初始低分辨率(LR)特征与重建的高分辨率(HR)特征,形成最终的SR图像。对比实验显示,FPN中2次特征融合和特征映射中5个局部结构连接的深度学习网络效果更佳。所提出的网络相较于超分辨率卷积神经网络(SRCNN)等经典网络重建SR图像的峰值信噪比(PSNR)更高,并且可以获得更好的视觉质量。

关键词：肺部计算机断层扫描图像超分辨率重建特征金字塔网络密集网络残差网络

在线全文

学校读者我要写书评

暂无评论

基于增强特征金字塔网络的场景文本检测算法

计算机科学 2022年第2期49卷 248-255页

作者：邵海琳季怡刘纯平徐云龙苏州大学计算机科学与技术学院江苏苏州215006 苏州大学应用技术学院江苏苏州215300

场景文本检测有助于机器理解图像内容,在智能交通、场景理解和智能导航等领域应用广泛。现有的场景文本检测算法未充分利用高层语义信息和空间信息,限制了模型对复杂背景像素的分类能力和对不同尺度的文本实例的检测和定位能力。为解决... 详细信息

场景文本检测有助于机器理解图像内容,在智能交通、场景理解和智能导航等领域应用广泛。现有的场景文本检测算法未充分利用高层语义信息和空间信息,限制了模型对复杂背景像素的分类能力和对不同尺度的文本实例的检测和定位能力。为解决上述问题,提出了一种基于增强特征金字塔网络的场景文本检测算法。该算法包括比率不变特征增强(Ratio Invariant Feature Enhanced,RIFE)模块和重建空间分辨率(Rebuild Spatial Resolution,RSR)模块。RIFE模块作为残差分支,增强了网络的高层语义信息传递,提高了分类能力,降低了误报率和漏捡率。RSR模块重建多层特征分辨率,利用丰富的空间信息改进边界位置。实验结果表明,所提算法提升了在多方向文本数据集ICDAR2015、弯曲文本数据集Totaltext以及长文本数据集MSRA-TD500上的检测能力。

关键词：场景文本检测特征金字塔网络语义信息空间信息边界位置

在线全文

学校读者我要写书评

暂无评论

基于改进特征金字塔网络的目标检测方法研究

基于改进特征金字塔网络的目标检测方法研究

作者：党进宁夏大学

学位级别：硕士

目标检测在很多领域中都有着广泛的应用,例如自动驾驶、安防监控、医疗图像分析等。在目标检测中,不同物体在图像中呈现不同的大小,因此需要利用不同尺度的特征来检测不同大小的物体,目前特征金字塔网络可以有效地解决这个问题。但特征... 详细信息

目标检测在很多领域中都有着广泛的应用,例如自动驾驶、安防监控、医疗图像分析等。在目标检测中,不同物体在图像中呈现不同的大小,因此需要利用不同尺度的特征来检测不同大小的物体,目前特征金字塔网络可以有效地解决这个问题。但特征金字塔网络的单层独立检测导致低层特征只关注到局部细节高层特征更注重整体结构,网络难以感知全局上下文信息,并且采用简单的卷积方式进行降维,无法有效保留和整合通道信息。此外,特征金字塔不同层级存在尺度、语义、分辨率等差异导致边界框质量不平衡,并且特征金字塔网络各层分别检测目标,整体计算回归损失,不能对各层回归损失函数协同优化。针对以上问题,本文的主要工作如下:(1)针对特征金字塔网络难以感知全局范围上下文信息和通道信息丢失的问题,提出了一种基于多层注意力机制的特征金字塔网络。采用了自注意力机制和通道注意力机制,分别设计了Transformer特征金字塔模块和通道注意力模块。通过对特征金字塔网络不同层级特征的关联性建模,使模型学习到全局上下文信息,并利用可学习的网络参数从原始特征和所构建特征中推断不同通道特征的重要性程度,从而实现对重要的通道特征进行增强。提高了特征的表征能力和利用效率,改善了目标检测的准确性和效率,为目标检测技术的进一步发展提供了基础。(2)针对特征金字塔网络中边界框质量不平衡和缺乏各层回归损失函数协同优化问题,提出了一种分层回归损失函数。采用了重加权方法,根据特征金字塔每一层的回归情况,自适应给予损失函数不同的权重,使模型集中在高质量边界框训练。该损失函数保留了原有GIoU损失优点的同时,能自适应的增强不同边界框对回归损失函数的差异性,动态调整损失函数对模型的贡献。提高了模型的收敛速度和准确性。(3)将上述两项研究成果应用到疲劳检测场景中,实现了一种基于特征金字塔网络的疲劳驾驶检测系统。该系统基于FCOS神经网络和PyTorch深度学习框架,通过自制数据集完成训练,解决了传统检测算法在头部姿态和面部遮挡方面鲁棒性不足的问题,能够高效准确地识别图片、视频、摄像头数据中人体的疲劳状态。

关键词：目标检测特征金字塔网络注意力机制回归损失函数

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

遥感影像船舶检测的特征金字塔网络建模方法

测绘学报 2020年第6期49卷 787-797页

作者：邓睿哲陈启浩陈奇刘修国中国地质大学(武汉)地理与信息工程学院湖北武汉430074

船舶作为海上运输载体,其准确检测在海洋环境保护、海上渔业生产管理、海上交通与应急处置及国防安全应用中都具有重要意义和价值。目前基于目标检测网络的遥感船舶检测方法因末层特征分辨率不足和卷积固定的几何结构,导致网络难以适应... 详细信息

船舶作为海上运输载体,其准确检测在海洋环境保护、海上渔业生产管理、海上交通与应急处置及国防安全应用中都具有重要意义和价值。目前基于目标检测网络的遥感船舶检测方法因末层特征分辨率不足和卷积固定的几何结构,导致网络难以适应小尺度且具有随机朝向、形态多变特征的船舶目标,进而限制船舶检测精度。针对该问题,本文提出一种用于遥感影像船舶检测的特征金字塔网络建模方法。首先引入形变卷积/RoI池化模块,以适应朝向和形态多变的船舶目标;其次借鉴在小目标检测中性能出色的特征金字塔网络的建模思想,采用对称式网络和多尺度特征融合的方式进一步融合高级语义和低级空间信息,提升小尺度目标特征分辨率。在40000幅、船舶目标67280余个的遥感影像数据集上的试验结果表明,本文方法能够有效集成形变卷积/RoI池化和多尺度特征融合方法,相较传统CNN船舶检测方法取得明显提升,在准确率、召回率及F1指标上分别达到85.8%、97.9%和91.5%。

关键词：船舶检测特征金字塔网络形变卷积模块形变RoI池化模块

在线全文

学校读者我要写书评

暂无评论

一种用于目标检测的位置加权特征金字塔网络

计算机仿真 2023年第6期40卷 192-196页

作者：黄强潘晴田妮莉广东工业大学信息工程学院广东广州510006

针对传统特征金字塔网络的融合方式会导致混叠效应、高级语义信息被稀释和低级空间结构信息局限访问的问题,提出一种新的位置加权特征金字塔网络。首先设计了一个位置加权模块,从不同等级的特征图的所有通道中学习得到位置权重并赋给各... 详细信息

针对传统特征金字塔网络的融合方式会导致混叠效应、高级语义信息被稀释和低级空间结构信息局限访问的问题,提出一种新的位置加权特征金字塔网络。首先设计了一个位置加权模块,从不同等级的特征图的所有通道中学习得到位置权重并赋给各等级特征图实现位置加权,进而引导融合过程;然后引入了一个金字塔池化模块,提取包含特征图不同大小区域的上下文信息的多尺度特征,并与位置加权模块相结合。实验表明,提出的位置加权特征金字塔网络相比于传统特征金字塔网络对不同类型的目标检测网络的检测精度皆有提升效果。

关键词：特征金字塔网络位置加权多尺度特征目标检测

用于目标检测的邻域融合与分层并行特征金字塔网络

在线全文

学校读者我要写书评

暂无评论

Journal of Southeast University(English Edition) 2020年第3期36卷 252-263页

作者：莫凌飞胡书铭东南大学仪器科学与工程学院南京210096

为了提升对小目标的检测精度,提出了一种基于邻域融合的分层并行特征金字塔网络(NFPN).与特征金字塔网络(FPN)和反卷积单次多框检测器(DSSD)中采用的逐层递进融合方式(特征金字塔网络的底层特征依赖于顶层特征)不同,NFPN仅对具有相似尺... 详细信息

为了提升对小目标的检测精度,提出了一种基于邻域融合的分层并行特征金字塔网络(NFPN).与特征金字塔网络(FPN)和反卷积单次多框检测器(DSSD)中采用的逐层递进融合方式(特征金字塔网络的底层特征依赖于顶层特征)不同,NFPN仅对具有相似尺度的浅层特征进行融合,所构建的特征金字塔网络上下层之间没有依赖关系.NFPN具有高度的可移植性,可嵌入到许多检测模型中来进一步提升性能.在PASCAL VOC 2007、2012和COCO数据集上进行的大量实验表明,基于NFPN的SSD模型在检测精度和推理速度方面均优于DSSD模型,尤其是对于小目标而言,NFPN-SSD300精度比SSD300高4%~5%,比DSSD321高2%~3%.在VOC 2007测试集上,输入分辨率为300×300的基于NFPN的SSD模型可以实现79.4%的检测精度和34.6 frame/s的推理速度,在使用多尺度测试方法后,其精度可提升至82.9%.

关键词：计算机视觉深度卷积神经网络目标检测分层并行特征金字塔网络多尺度特征融合