检索结果-南通市图书馆

基于空洞空间金字塔池化的U-Net网络在肺部图像分割上的应用

在线全文

学校读者我要写书评

暂无评论

中国医学物理学杂志 2023年第3期40卷 336-341页

作者：夏文静周腊珍陈红池李坊佐吴頲张翔赣南医学院医学信息工程学院江西赣州341000 赣南医学院组织工程材料与生物制造江西省重点实验室江西赣州341000 赣南医学院第一附属医院江西赣州341000

目的:胸部X线图像中肺野的自动分割是相关疾病筛查和诊断的关键步骤,为了适应计算机辅助诊断系统的要求,提出一种基于空洞空间金字塔池化的U-Net网络对胸部X线图像中肺野进行自动分割。方法:在编码和解码之间引入带有空洞卷积的空间金... 详细信息

目的:胸部X线图像中肺野的自动分割是相关疾病筛查和诊断的关键步骤,为了适应计算机辅助诊断系统的要求,提出一种基于空洞空间金字塔池化的U-Net网络对胸部X线图像中肺野进行自动分割。方法:在编码和解码之间引入带有空洞卷积的空间金字塔池化用于扩大接受域;同时,在多个尺度上获取图像上下文信息,用于从胸片中分割肺野,使用Montgomery数据集及深圳数据集进行验证。根据医学图像分割常用指标准确性、Dice相似系数及交并比评价基于空洞空间金字塔池化的U-Net网络分割肺野的性能。结果:验证准确性为98.29%,Dice相似系数为96.61%,交并比为93.47%。结论:本文提出一种基于空洞空间金字塔池化的U-Net网络用于分割肺野,相较于其他方法学习到更多边缘分割特征,取得更好的分割结果。

关键词：胸部X线图像肺野分割 U-Net 空洞空间金字塔池化

基于空洞空间金字塔池化U-Net的遥感图像多目标检测方法

在线全文

学校读者我要写书评

暂无评论

弹箭与制导学报 2023年第5期43卷 1-8页

作者：张善文许新华齐国红郑州西亚斯学院电子信息工程学院河南郑州451150

针对遥感图像(RSI)中的目标相对较小、形变多样,且包含分布不均匀的非目标和背景等问题,提出一种基于空洞空间金字塔池化U-Net的遥感图像多目标检测方法。该方法利用空洞多尺度卷积提取多尺度目标的分类特征,运用空洞空间池化金字塔模... 详细信息

针对遥感图像(RSI)中的目标相对较小、形变多样,且包含分布不均匀的非目标和背景等问题,提出一种基于空洞空间金字塔池化U-Net的遥感图像多目标检测方法。该方法利用空洞多尺度卷积提取多尺度目标的分类特征,运用空洞空间池化金字塔模块扩大卷积特征图的感受野,提取更充分的目标特征,并采用注意力机制、残差连接和长跳跃连接充分保留卷积层提取的RSI的敏感特征。在公开遥感图像数据库EORSSD上的实验结果表明,所提出的方法能够从复杂多样的RSI中检测多尺度目标,检测精度为96.56%。

关键词：遥感图像多目标检测空洞多尺度卷积空洞空间金字塔池化空洞空间金字塔池化U-Net

维普期刊数据库博看期刊

基于空洞空间金字塔池化和多头自注意力的特征提取网络

在线全文

学校读者我要写书评

暂无评论

计算机应用 2022年第S2期42卷 79-85页

作者：万黎明张小乾刘知贵李理西南科技大学计算机科学与技术学院四川绵阳621000 西南科技大学信息工程学院四川绵阳621000

针对深度学习在图像处理领域中多尺度特征提取能力弱、特征内部信息捕获能力差的问题,提出了一种基于空洞空间金字塔池化和多头自注意力的特征提取网络(PPSANet)。首先,引入小扩张率的空洞卷积对空洞空间金字塔池化(ASPP)模型进行改进,... 详细信息

针对深度学习在图像处理领域中多尺度特征提取能力弱、特征内部信息捕获能力差的问题,提出了一种基于空洞空间金字塔池化和多头自注意力的特征提取网络(PPSANet)。首先,引入小扩张率的空洞卷积对空洞空间金字塔池化(ASPP)模型进行改进,提高局部特征信息的感受野;其次,将改进的ASPP模型合并到残差网络(ResNet)的每个残差块中,使网络在多个维度上都具有多尺度特征提取能力;最后,将残差网络的底层残差块替换为多头自注意力(MHSA),增强网络特征学习能力,捕获数据和特征内部的相关性。图像分割实验中,与残差网络相比,在肺结节数据集中DICE相似系数(DICE)提升了5.16个百分点,肝癌数据集中DICE提升了5.22个百分点;目标检测实验中,与残差网络相比,平均精度均值(MAP)提升了2.9个百分点。实验结果表明,PPSANet能够有效解决图像处理中多尺度特征提取能力弱和内部信息捕获能力差的问题,在一定程度上提高了图像处理的能力。

关键词：深度学习特征提取图像分割目标检测自注意力空洞空间金字塔池化

融合注意力和扩张卷积的遥感影像道路信息提取方法

在线全文

学校读者我要写书评

暂无评论

遥感信息 2024年第1期39卷 18-25页

作者：肖振久郝明曲海成侯佳兴辽宁工程技术大学软件学院辽宁葫芦岛125015

针对高分辨率遥感影像语义分割存在地物边缘分割不连续、道路及背景特征复杂多样导致道路提取分割精度不高的问题,提出了一种融合双通道注意力和扩张卷积的遥感影像道路信息提取语义分割网络(A 2DU-Net)。首先,在特征提取部分引入坐标... 详细信息

针对高分辨率遥感影像语义分割存在地物边缘分割不连续、道路及背景特征复杂多样导致道路提取分割精度不高的问题,提出了一种融合双通道注意力和扩张卷积的遥感影像道路信息提取语义分割网络(A 2DU-Net)。首先,在特征提取部分引入坐标注意力(coordinate attention,CA)模块,捕捉道路位置、方向和跨通道信息,精确定位道路信息。其次,针对网络对细节特征丢失的敏感问题,在编码器的末端利用不同扩张率的空洞卷积构建多尺度特征融合的空洞空间金字塔池化模块(multi-scale Atrous spatial pyramid pooling module,MASPPM)来获得更大的感受野,提高网络性能。最后,为了避免U-Net中纯跳跃连接在语义上不相似特征的融合,在编码器和解码器的跳跃连接之间增加了双通道注意力机制来实现门控筛选,抑制非目标区域的特征,提高网络的分割精度。实验在公共道路数据集Massachusetts上对网络模型进行测试,OA(准确率)、交并比(IoU)、平均交并比(mIoU)和F1等评价指标分别达到98.07%、64.39%、81.20%和88.67%。与主流方法U-Net和DDUNet进行比较,mIoU分别提升了3.07%、0.22%,IoU分别提升了1.98%、0.52%。实验结果表明,所提出的方法优于所有的比较方法,能够有效提高道路分割的精确度。

关键词：语义分割道路提取注意力机制 U-Net 空洞空间金字塔池化

RAUGAN：基于循环生成对抗网络的红外图像彩色化方法

在线全文

学校读者我要写书评

暂无评论

吉林大学学报(工学版) 2024年

作者：朴燕康继元长春理工大学电子信息工程学院

针对近红外图像彩色化过程中的色彩失真、语义模糊和纹理形状不清晰的问题，我们提出了一种红外图像彩色化方法（RAUGAN）。该算法首先改进了CycleGAN网络的生成器，设计并融合了一种Res-ASPP-Unet网络，将空洞空间金字塔池化（ASPP）... 详细信息

针对近红外图像彩色化过程中的色彩失真、语义模糊和纹理形状不清晰的问题，我们提出了一种红外图像彩色化方法（RAUGAN）。该算法首先改进了CycleGAN网络的生成器，设计并融合了一种Res-ASPP-Unet网络，将空洞空间金字塔池化（ASPP）在原始UNet的Skip connection结构处连接，使解码分支中的不同尺度输出特征图都能与编码器中对应的输出特征图相结合。其次，设计了由残差块与通道和空间注意力模块（CBAM）构成的深度瓶颈层块替换UNet网络中的瓶颈层，用于增强局部区域特征，提高其识别能力；最后在判别网络中引用感知损失函数从而解决色彩恢复失真的问题。实验结果表明，该方法彩色化效果明显优于其他方法。

关键词：计算机应用红外图像彩色化循环生成对抗网络空洞空间金字塔池化注意力模块

基于PCSA-YOLOv7 Former的输电线路连接金具及其锈蚀检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国电力 2024年第6期57卷 141-152页

作者：宋智伟黄新波纪超张凡张烨西安工程大学电子信息学院陕西西安710048 陕西省工业和信息化厅陕西西安710006

输电线路分布情况复杂且故障难以有效检测,其中连接金具长期暴露于复杂环境下易受到恶劣环境的影响出现锈蚀等故障。针对输电线路连接金具部件具有尺度多样性和存在着锈蚀故障检测精度低的问题,提出了一种基于双重注意力嵌入重构和Swin ... 详细信息

输电线路分布情况复杂且故障难以有效检测,其中连接金具长期暴露于复杂环境下易受到恶劣环境的影响出现锈蚀等故障。针对输电线路连接金具部件具有尺度多样性和存在着锈蚀故障检测精度低的问题,提出了一种基于双重注意力嵌入重构和Swin Transformer的输电线路连接金具组件及其锈蚀故障检测方法:PCSA-YOLOv7 Former。实验结果表明:该方法在构建的TLCF数据集上的综合检测性能领先于12类当前先进的目标检测算法,其中在测试集上的mAP_(0.5)达到94.9%,该方法相比于基线模型YOLOv7,其F1和mAP0.5指标分别提升了2.6个百分点和2.2个百分点,说明该方法能够更全面地理解输电线路连接金具图像中的多尺度语义信息并学习到不易区分的微小细节表征。

关键词：输电线路连接金具 PCSA-YOLOv7 Former 双重注意力嵌入 Swin Transformer 空洞空间金字塔池化

同方期刊数据库

基于稠密块改进LinkNet的高分遥感图像道路提取

在线全文

学校读者我要写书评

暂无评论

航天返回与遥感 2024年第3期45卷 107-117页

作者：王增优张鲜化刘荣陈志高朱旺煌东华理工大学测绘与空间信息工程学院南昌330013 东华理工大学自然资源部环鄱阳湖区域矿山环境监测与治理重点实验室南昌330013 江西应用技术职业学院赣州341000

针对LinkNet网络模型在进行道路图像分割任务时,特征信息易丢失以及缺乏对目标特征的关注度问题,提出了一种基于改进LinkNet残差网络的高分遥感图像道路提取方法。将原本LinkNet模型中编码区的残差块(Res Block)替换为稠密块(Dense Bloc... 详细信息

针对LinkNet网络模型在进行道路图像分割任务时,特征信息易丢失以及缺乏对目标特征的关注度问题,提出了一种基于改进LinkNet残差网络的高分遥感图像道路提取方法。将原本LinkNet模型中编码区的残差块(Res Block)替换为稠密块(Dense Block),密集连接的方式减少特征信息在传递过程中的损失,并在每个稠密块之后构建卷积注意力单元来提高模型对目标特征的学习能力,最后用空洞空间金字塔池化模块将编码区与解码区进行连接,扩大感受野的同时还能接受多尺度目标特征信息。实验表明,该方法在DeepGlobe数据集上的准确率、平均交并比和F1-score分为82.16%、83.21%和81.65%,均优于同类网络,通过对提取的路网结果对比,该算法对于树木遮蔽处以及建筑物阴影下的路网提取在完整性和准确性上都具有明显提升。

关键词：残差网络道路提取稠密块卷积注意力空洞空间金字塔池化

维普期刊数据库博看期刊

基于改进Swin-Unet的遥感图像分割方法

在线全文

学校读者我要写书评

暂无评论

无线电工程 2024年第5期54卷 1217-1225页

作者：张越王逊江苏科技大学计算机学院江苏镇江212100

针对遥感图像数据本身存在分辨率高、背景复杂和光照不均等特性导致边界分割不连续、目标错分漏分以及存在孔洞等问题,提出了一种基于改进Swin-Unet的遥感图像分割方法。在编码器末端引入空洞空间金字塔池化(Atrous Spatial Pyramid Poo... 详细信息

针对遥感图像数据本身存在分辨率高、背景复杂和光照不均等特性导致边界分割不连续、目标错分漏分以及存在孔洞等问题,提出了一种基于改进Swin-Unet的遥感图像分割方法。在编码器末端引入空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块,用于捕获多尺度特征,增强网络获取不同尺度的能力,充分提取上下文信息;将解码器端的Swin Transformer Block替换为残差Swin Transformer Block,不仅保留了原始信息,又能够缓解模型出现梯度弥散现象;在跳跃连接中引入残差注意力机制,可以让模型更加关注特征图中的重要特征信息,抑制无效信息,从而提高模型分割的准确率。在自建数据集上进行实验,结果表明,改进后的网络平均交并比(mean Intersection over Union,mIoU)达到了80.55%,提高了4.13个百分点,证明改进后的网络可以有效提高遥感图像分割的精度。

关键词：遥感图像语义分割 Swin-Unet 空洞空间金字塔池化残差注意力机制

维普期刊数据库博看期刊

同方期刊数据库

基于轻量级Transformer的隧道裂缝分割

在线全文

学校读者我要写书评

暂无评论

铁道科学与工程学报 2024年

作者：邝先验徐姚明雷卉程福军桓湘澜江西理工大学电气工程与自动化学院

裂缝检测对保证隧道结构安全至关重要，及时发现隧道裂缝缺陷，有利于降低工程维修成本和保障行车安全。然而，传统卷积神经网络在隧道裂缝检测任务主要侧重提高检测精度和算法复杂度，如何平衡裂缝检测的精度和实时性是当前研究的一个... 详细信息

裂缝检测对保证隧道结构安全至关重要，及时发现隧道裂缝缺陷，有利于降低工程维修成本和保障行车安全。然而，传统卷积神经网络在隧道裂缝检测任务主要侧重提高检测精度和算法复杂度，如何平衡裂缝检测的精度和实时性是当前研究的一个难点。针对这一问题，本文提出一种基于轻量级Transformer的裂缝分割方法 CrackViT。首先，采用卷积神经网络与Transformer混合的MobileViT网络构建裂缝特征提取网络，减少网络模型参数和计算量，并且有效提取裂缝图像全局信息和局部特征信息。然后，提出改进空洞空间金字塔池化解码器实现不同尺度的特征提取和信息融合，实现像素级概率分布。同时，裂缝图像存在细节信息缺失问题，引入高效通道注意力模块，增强对裂缝特征信息的提取能力。此外，针对裂缝与背景类别不平衡问题，设计了在线困难样本挖掘损失函数进行缓解。实验结果表明：在单个3050Ti GPU上，CrackViT算法最终在裂缝数据集上以63 FPS的速度获得了75.62%的IoU，模型参数量仅为2.43M。CrackViT-L模型精度IoU为76.83%，模型参数量为3.56M，模型推理速度达到61FPS。算法测试精度优于大多数主流模型，并且需要更少的模型参数。研究结果表明，CrackViT所预测的隧道裂缝分割图像边缘更加清晰和完整，保持推理速度的同时，能够有效检测裂缝，该算法有助于隧道裂缝检测实际应用。

关键词：裂缝分割 Transformer MobileViT 空洞空间金字塔池化轻量级模型