检索结果-南通市图书馆

同方期刊数据库

空洞卷积优化U2-Net的X光快速分散检测模型

在线全文

学校读者我要写书评

暂无评论

激光与光电子学进展 2024年第15期 1-10页

作者：王姣吴萌相建凯延安大学数学与计算机科学学院西安建筑科技大学信息与控制工程学院陕西省文物保护研究院

锈蚀覆盖的古铜镜在非接触探伤检测中，因镜缘与镜心厚度各异，X光成像无法呈现完整的病害信息，但为满足文保观测需求而经融合处理后的X光图像又包含大量裂缝、侵蚀等多种病害特征。分散且细小的裂纹不仅难以检测，还极易出现过分割现... 详细信息

锈蚀覆盖的古铜镜在非接触探伤检测中，因镜缘与镜心厚度各异，X光成像无法呈现完整的病害信息，但为满足文保观测需求而经融合处理后的X光图像又包含大量裂缝、侵蚀等多种病害特征。分散且细小的裂纹不仅难以检测，还极易出现过分割现象。为进一步提升古铜镜病害分割准确率和图像质量，在将裂缝、侵蚀全部分割出来的同时提升图像均方根差（RMSE）和峰值信噪比（PSNR）指数。选取U2-Net网络为基本模型，在U形嵌套思想下研究提升分割图像质量和准确率的优化策略。利用空间通道注意力机制增强对病害的检测提取；设计UD-block模块，利用空洞卷积在网络训练中提高对分散的细小裂纹的检测能力；在网络结构中添加双级错位链接机制，改善PSNR和RMSE指标；显著性图融合阶段添加金字塔注意力分割模块，使分割效果更符合人眼视觉感知。最后，通过对当前探伤检测算法进行实验对比和结果分析，此算法在消融实验上Dice系数、Jaccard指数、准确率、Hansdorff维数、RMSE和PSNR均取得最优，可为文物探伤检测算法进一步研究提供参考。

关键词： U2-Net 空间通道注意力机制空洞卷积 X光图像

基于空洞卷积自注意力机制的煤岩显微组分组识别模型

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

北京化工大学学报（自然科学版） 2024年第2期51卷 120-129页

作者：吴明阳奚峥皓陈军然徐国忠上海工程技术大学电子电气工程学院上海201620 辽宁科技大学化学工程学院鞍山114051

基于深度学习的识别模型是目前解决煤岩显微组分组识别问题的主要手段,但这些模型在计算过程中参数不断堆叠,导致模型的算力需求增加,影响模型的训练效率。针对上述问题,构建了一种基于空洞卷积自注意力(DCSA)机制的改进Swin-Transforme... 详细信息

基于深度学习的识别模型是目前解决煤岩显微组分组识别问题的主要手段,但这些模型在计算过程中参数不断堆叠,导致模型的算力需求增加,影响模型的训练效率。针对上述问题,构建了一种基于空洞卷积自注意力(DCSA)机制的改进Swin-Transformer模型——DA-ViT。首先,为了在加强煤岩显微组分组图像的局部特征信息的同时保留其二维空间信息,提出了DCSA机制,通过对煤岩显微图像的大尺寸卷积核进行多尺度分解,加强了煤岩显微图像不同区域像素之间的联系,显著降低了图像注意力的参数量,降低率为81.18%。然后,为了加强煤岩显微组分组图像间的形态特征关联性,将DCSA和改进的Swin-Transformer框架相结合,提出了DA-ViT识别模型。实验验证结果表明,与现有的其他识别模型相比,DA-ViT模型在提高预测结果准确率的同时,可显著降低模型的算力需求,其像素准确率(PA)和平均交并比(mIoU)的最大值分别为92.14%和63.18%,模型参数总量(Params)和浮点运算次数(FLOPs)的最小值分别为4.95×106和8.99×109。

关键词：空洞卷积自注意力机制煤岩显微组分组识别模型

在线全文

学校读者我要写书评

暂无评论

基于多尺度空洞卷积结构的路面裂缝分割方法

公路交通科技 2024年第1期41卷 1-9,17页

作者：何宇超段中兴高静西安建筑科技大学信息与控制工程学院陕西西安710055

为了实现道路裂缝的自动化检测,改善现有裂缝分割模型存在分割不连续与嘈杂背景误分割等问题,提出了一种基于多尺度空洞卷积结构的裂缝分割模型MAC-UNet。以UNet作为基础网络,首先提出了多尺度空洞卷积结构,替换编码器与解码器中的双卷... 详细信息

为了实现道路裂缝的自动化检测,改善现有裂缝分割模型存在分割不连续与嘈杂背景误分割等问题,提出了一种基于多尺度空洞卷积结构的裂缝分割模型MAC-UNet。以UNet作为基础网络,首先提出了多尺度空洞卷积结构,替换编码器与解码器中的双卷积结构,提升了网络对复杂拓扑结构的分割性能。然后,构建了交叉注意力机制,使用金字塔注意力模块代替编、解码器之间的跳跃连接,保留因池化丢失的空间特征。增加通道注意力引导多尺度信息,有效地融合到解码器特征中,使得恢复裂缝时,细节更加丰富,定位更准确。最后,在道路裂缝数据集CFD和GAPS384上与FCN、PSPNet等5种方法进行试验对比,相较于UNet,在CFD数据集上,MIOU和Kappa系数分别提升了8.4%和8.52%。在GAPS384数据集上,分别提升了6.84%和8.23%,对于道路裂缝的分割更加清晰与完整。结果表明:与主流的分割算法相比,所提出算法的识别精度方面具有较明显的优势,在光照不均匀、各种噪音干扰、背景灰度水平不同的情况下,所提模型仍然能够获取稳定的检测结果,能够应对复杂裂缝分割问题,并且可视化裂缝检测误差较小,符合实际工程需求,且模型体积较小,具有一定的工程应用价值。

关键词：道路工程裂缝识别深度学习道路裂缝空洞卷积多尺度特征

基于注意力机制和空洞卷积的CycleGAN煤矿井下低照度图像增强算法

在线全文

学校读者我要写书评

暂无评论

煤炭科学技术 2024年

作者：王媛彬郭亚茹刘佳吴冰超刘萌 ICUBE实验室 UMR 7357 CNRS-University of Strasbourg 西安市电气设备状态监测与供电安全重点实验室西安科技大学电气与控制工程学院

井下环境复杂，充斥着大量粉尘和水汽且人造光源光照不均，导致井下监控设备采集到的图像往往呈现出照度低、细节特征丢失等问题，严重影响了矿业安全监控设备的实时性，不利于后续计算机视觉任务，同时井下数据采集困难，难以制作配对... 详细信息

井下环境复杂，充斥着大量粉尘和水汽且人造光源光照不均，导致井下监控设备采集到的图像往往呈现出照度低、细节特征丢失等问题，严重影响了矿业安全监控设备的实时性，不利于后续计算机视觉任务，同时井下数据采集困难，难以制作配对的井下低照度图像数据集用于模型训练。针对上述问题，提出了一种基于CycleGAN的低照度图像增强算法。针对矿井下采集配对数据集困难，使用CycleGAN网络进行无监督学习；为改善生成器网络的细节特征提取能力，利用无参注意力机制(simAM)和双通道注意力机制(CBAM)构建图像增强网络，提高复杂背景下模型的抗干扰能力，使模型恢复图像细节特征效果更好；引入由残差空洞卷积构建亮度增强模块，在提升图像亮度的同时增大生成器网络的感受野，有利于细节的恢复，提高图像视觉质量；以Patch-GAN作为网络的判别器，将输入映射成一个矩阵，更加全面的关注到图像不同区域的细节特征，提高判别器对图像细节的分辨能力。实验结果表明，相较于算法CycleGAN，本文方法在峰值信噪比(PSNR)、结构相似度(SSIM)、信息熵和视觉信息保真度(VIF)上平均提高了11.31%、8.07%、2.58%、6.18%。

关键词：低照度图像注意力机制空洞卷积 CycleGAN Patch-GAN

基于空洞卷积融合Transformer的无人机图像小目标检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机应用 2024年

作者：王林刘景亮王无为西安邮电大学自动化学院西安理工大学自动化与信息工程学院厦门工学院数据科学与计算机学院

针对无人机航拍图像中目标场景复杂、尺度多样、小目标密集和遮挡严重的问题，提出一种多尺度空洞卷积的Swin-Det无人机图像目标检测算法。首先，采用Swin Transformer作为主干特征提取网络，并在主干网络中引入空间信息交融模块，解决... 详细信息

针对无人机航拍图像中目标场景复杂、尺度多样、小目标密集和遮挡严重的问题，提出一种多尺度空洞卷积的Swin-Det无人机图像目标检测算法。首先，采用Swin Transformer作为主干特征提取网络，并在主干网络中引入空间信息交融模块，解决因物体间的遮挡而导致目标信息模糊的问题；其次，提出一种融合空洞特征金字塔网络，通过多分支的空洞卷积将特征信息进行融合，有效提高网络的感受野和特征信息的复用，使模型可以学习到不同维度的细节特征；最后，采用线性插值法和多任务损失函数，解决预测区域不匹配和样本不平衡的问题，提升模型的检测精度。在VisDrone数据集上的实验结果表明，所提算法的平均精度均值达到了27.2%，与原始Swin Transformer相比，平均精度均值提高了4.1个百分点，且在同一训练批次下收敛更快。所提算法在复杂场景下能对无人机图像目标实现高精度检测。

关键词：小目标检测特征融合空洞卷积无人机图像 Swin Transformer

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于边缘提取与空洞卷积的抓取目标检测算法

控制工程 2024年第2期31卷 359-365页

作者：张晓寒张文彬赵景波青岛理工大学信息与控制工程学院山东青岛266520

为解决当前工业机器人抓取检测任务中存在的精度不足的问题,提出了一种基于边缘提取与空洞卷积的抓取目标检测算法。该方法以当前较为稳定的YOLOv3网络作为主干网络,进行基于边缘提取的多通道特征融合,添加Edge Feature模块提高网络的... 详细信息

为解决当前工业机器人抓取检测任务中存在的精度不足的问题,提出了一种基于边缘提取与空洞卷积的抓取目标检测算法。该方法以当前较为稳定的YOLOv3网络作为主干网络,进行基于边缘提取的多通道特征融合,添加Edge Feature模块提高网络的检测精度和检测速度;基于空洞卷积技术优化自适应空间特征融合,形成Dilation-ASFF网络,替换原部分网络,提高网络对多尺度信息的感受能力以及网络检测精度;用CIoU的方法修改抓取框回归损失函数,提高网络的收敛能力与精度。改进后的算法在Cornell抓取检测数据集上的AP达到96.79%,检测速度达到0.063 s/样本,相比于原版YOLOv3网络,AP提高了2.98%。本改进算法在保证检测实时性的基础上,大大提高了检测精度,体现了研究的理论价值和应用价值。

关键词：抓取检测 YOLOv3 空洞卷积边缘提取 CIoU

一种融合空洞卷积与池化模型的遥感影像水体提取方法

在线全文

学校读者我要写书评

暂无评论

电子科技 2024年

作者：赵云飞薛存金中国科学院空天信息创新研究院数字地球重点实验室昆明理工大学国土资源工程学院

植被、阴影和云层等同谱异物物体的干扰导致遥感影像水体提取完整性较低、提取效果差。文中提出一种融合多层次空洞卷积和池化模型的遥感影像水体提取模型MAP＿UNet(A UNet of Combining Multi Atrous Convolution and Pooling Model)... 详细信息

植被、阴影和云层等同谱异物物体的干扰导致遥感影像水体提取完整性较低、提取效果差。文中提出一种融合多层次空洞卷积和池化模型的遥感影像水体提取模型MAP＿UNet(A UNet of Combining Multi Atrous Convolution and Pooling Model)。该模型以UNet为基准编解码网络，提取水体的不同尺寸特征，引入双递归残差模块防止出现深层网络梯度消失现象，并使用多模块来融合空间空洞卷积和最大池化以捕捉更大范围的特征信息，进一步加强相邻尺度的特征语义关系。为验证所提方法的有效性与先进性，利用高分辨率可见光遥感影像数据进行实验，并与公开深度学习语义分割算法对比。实验结果表明，MAP＿UNet模型在提取精度和防止同谱异物体误检方面都取得了较好效果，精确率、召回率、F1-Score和MIoU(Mean Intersection over Union)分别达96.20%、92.64%、87.27%和89.10%，相比UNet(U-shaped Network)、UNet++和UNet＿ASPP(UNet with Atrous Spatial Pyramid Pooling Network)网络均有较大提升。

关键词：水体提取深度学习神经网络空洞卷积语义分割 UNet 遥感影像

融合位置注意力的空洞卷积无人机影像多目标检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

测绘与空间地理信息 2024年第8期47卷 168-171页

作者：胡炳昊城乡院(广州)有限公司广东广州511300

针对以无人机影像为基础的多类别目标检测问题,提出一种融合位置注意力的卷积神经网络检测模型。在特征提取端使用级联空洞卷积核组实现特征提取,并通过位置卷积模块对提取后特征进一步筛选;为增强参与检测特征图内信息的复杂程度,通过... 详细信息

针对以无人机影像为基础的多类别目标检测问题,提出一种融合位置注意力的卷积神经网络检测模型。在特征提取端使用级联空洞卷积核组实现特征提取,并通过位置卷积模块对提取后特征进一步筛选;为增强参与检测特征图内信息的复杂程度,通过多尺度特征融合端对上层输出特征图进行融合与上采样连接,最终输出4个尺度的特征图参与最终检测。测试结果显示,该模型在检测精度方面优于其余几组对比模型,同时在多个场景下表现出较好的泛化能力,在测试环境下能够实现对目标的实时检测。

关键词：无人机影像目标检测位置注意力空洞卷积

基于Coordinate Attention和空洞卷积的异物识别

在线全文

学校读者我要写书评

暂无评论

计算机系统应用 2024年第3期33卷 178-186页

作者：王春霖吴春雷李灿伟朱明飞中国石油大学(华东)计算机科学与技术学院青岛266580

在我国工厂的工业化生产中,带式运输机占有重要的地位,但是在其运输物料的过程中,常有木板、金属管、大型金属片等混入物料中,从而对带式运输机的传送带造成损毁,引起巨大的经济损失.为了检测出传送带上的不规则异物,设计了一种新的异... 详细信息

在我国工厂的工业化生产中,带式运输机占有重要的地位,但是在其运输物料的过程中,常有木板、金属管、大型金属片等混入物料中,从而对带式运输机的传送带造成损毁,引起巨大的经济损失.为了检测出传送带上的不规则异物,设计了一种新的异物检测方法.针对传统异物检测方法中存在的对于图像特征提取能力不足以及网络感受野相对较小的问题,我们提出了一种基于coordinate attention和空洞卷积的单阶段异物识别方法.首先,网络利用coordinate attention机制,使网络更加关注图像的空间信息,并对图像中的重要特征进行了增强,增强了网络的性能;其次,在网络提取多尺度特征的部分,将原网络的静态卷积变为空洞卷积,有效减少了常规卷积造成的信息损失;除此之外,我们还使用了新的损失函数,进一步提高了网络的性能.实验结果证明,我们提出的网络能有效识别出传送带上的异物,较好地完成异物检测任务.

关键词： coordinate attention 异物检测空洞卷积损失函数目标识别