检索结果-南通市图书馆

东北大学学报（自然科学版） 2023年第2期44卷 177-185页

作者：魏颖林子涵齐林李伯群东北大学信息科学与工程学院辽宁沈阳110819 辽宁科技大学电子与信息工程学院辽宁鞍山114051

准确分割核磁共振(magnetic resonance,MR)图像中的脑组织是临床诊断、手术计划和辅助治疗的关键步骤.深度学习在各种图像分割任务中表现出巨大潜力,现有模型没有一种有效方法汇总远距离像素间的关系.在网络解码阶段不能很好地融合不同... 详细信息

准确分割核磁共振(magnetic resonance,MR)图像中的脑组织是临床诊断、手术计划和辅助治疗的关键步骤.深度学习在各种图像分割任务中表现出巨大潜力,现有模型没有一种有效方法汇总远距离像素间的关系.在网络解码阶段不能很好地融合不同层级的特征,导致无法准确定位.为克服上述问题,本文提出一种基于空间自注意力机制和深度特征重建的脑MR图像分割方法,构建了一个可以融合3维信息的2D模型,可快速准确对3D结构图像进行密集预测.在MRBrainS13数据集和IBSR数据集上进行充分地实验研究,结果表明本文方法在3D多模态和单模态脑MR图像分割方面优于目前的2D模型,运算和推理时间相比3D模型小很多,性能却十分接近.

关键词：脑图像分割全卷积网络空间自注意力通道注意力深度特征重建

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

多层特征融合和并行自注意力的孪生网络目标跟踪算法

引用

计算机应用研究 2022年第4期39卷 1237-1241,1246页

作者：束平许克应鲍华安徽大学电气工程与自动化学院合肥230601

目标跟踪是计算机视觉方向上的一项重要课题,其中尺度变化、形变和旋转是目前跟踪领域较难解决的问题。针对以上跟踪中所面临的具有挑战性的问题,基于已有的孪生网络算法提出多层特征融合和并行自注意力的孪生网络目标跟踪算法(MPSiamR... 详细信息

目标跟踪是计算机视觉方向上的一项重要课题,其中尺度变化、形变和旋转是目前跟踪领域较难解决的问题。针对以上跟踪中所面临的具有挑战性的问题,基于已有的孪生网络算法提出多层特征融合和并行自注意力的孪生网络目标跟踪算法(MPSiamRPN)。首先,用修改后的ResNet50对模板图片和搜索图片进行特征提取,为处理网络过深而导致目标部分特征丢失,提出多层特征融合模块(multi-layer feature fusion module,MLFF)将ResNet后三层特征进行融合;其次,引入并行自注意力模块(parallel self-attention module,PSA),该模块由通道自注意力和空间自注意力组成,通道自注意力可以选择性地强调对跟踪有益的通道特征,空间自注意力能学习目标丰富的空间信息;最后,采用区域提议网络(regional proposal network,RPN)来完成分类和回归操作,从而确定目标的位置和形状。实验显示,提出的MPSiamRPN在OTB100、VOT2018两个测试数据集上取得了具有可竞争性的结果。

关键词：目标跟踪多层特征融合空间自注意力通道自注意力区域提议网络孪生网络

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

基于双域自注意力机制的行人属性识别

引用

计算机应用 2021年第2期41卷 372-378页

作者：吴锐刘宇冯凯武汉邮电科学研究院武汉430074 南京烽火星空通信发展有限公司南京210019

针对行人属性识别任务中不同属性对特征粒度和特征依赖性的需求不同的问题,提出了一种基于由空间自注意力机制和通道自注意力机制组成的双域自注意力机制的行人属性识别模型。首先,使用ResNet50作为骨干网络,提取出具有一定语义信息的特... 详细信息

针对行人属性识别任务中不同属性对特征粒度和特征依赖性的需求不同的问题,提出了一种基于由空间自注意力机制和通道自注意力机制组成的双域自注意力机制的行人属性识别模型。首先,使用ResNet50作为骨干网络,提取出具有一定语义信息的特征;然后将得到的特征分别输入到双分支网络中,提取具有空间依赖性与语义相关性的自注意力特征以及整体性信息的全局特征;最后,融合双分支的特征,并利用批归一化(BN)和加权损失的策略降低行人属性样本不平衡的影响。在两个行人属性数据集PETA和RAP上的实验结果表明,所提出的模型比基准模型的平均准确率指标分别提高了3.91个百分点和4.05个百分点,在已提出的行人属性识别模型中具有较强的竞争力。基于双域自注意力机制的行人属性识别方法可在监控场景下对行人进行结构化描述,提高行人分析和检索等任务的准确度和效率。

关键词：行人属性识别空间自注意力通道自注意力特征依赖语义相关

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

结合情感极性的图像情感分类网络模型研究

结合情感极性的图像情感分类网络模型研究

引用

作者：闫麒名南京信息工程大学

学位级别：硕士

图像是社交媒体中主要的信息传递媒介,用户可以通过图像传达情绪。研究图像情感的自动分析方法在机器人情感交互、多媒体分析等任务中具有重要应用需求。然而情感是一种抽象且主观的语义信息,同时图像特征与图像情感之间存在复杂的非线... 详细信息

图像是社交媒体中主要的信息传递媒介,用户可以通过图像传达情绪。研究图像情感的自动分析方法在机器人情感交互、多媒体分析等任务中具有重要应用需求。然而情感是一种抽象且主观的语义信息,同时图像特征与图像情感之间存在复杂的非线性关系,图像情感分类仍是一项具有挑战性的任务。图像内蕴含的情感是图像全局特征的综合反映,且图像情感拥有极性特征,不同的细粒度情感会呈现出相同的情感极性,但现有的工作未能有效利用上述特征进行图像情感分析。为了能够更准确地分析图像内情感,本文首先研究了图像极性情感分类任务,并进一步联合图像的极性特征与全局上下文关联性进行图像细粒度情感分类,具体研究工作如下:(1)基于极性感知注意力的图像极性情感分类网络:心理学理论表明一幅图像内情感内容通常涉及多个子区域。同时,这些子区域也拥有各自的极性和强度。整个图像所传达的情感由积极情感区域和消极性情感区域的综合反映。基于该心理学先验知识,本文提出一种带有极性感知注意力的网络,以端到端的方式对图像情感进行分析。该网络由情感提取主干、极性感知注意力模块与融合分类模块组成。主干用于提取全局特征与局部特征。极性感知注意力模块检测图像内各极性区域同时预测对应区域的极性强度。同时,设计了一个复合损失函数,并结合弱监督方式与分布式标签平滑学习方法指导网络学习。本文在六个情感基准数据集上验证了本文网络的有效性,相比其他先进方法,该网络能够获得最优越的性能。(2)联合极性检测与Transformer的图像情感分类网络:图像内蕴含的情感是图像全局特征的综合反映,且图像情感拥有极性特征,不同的细粒度情感会呈现出相同的情感极性,但现有的工作未能有效利用上述特性进行图像情感分析。本文提出联合极性检测与Transformer的图像情感分类网络,将基于Transformer的细粒度情感分类与极性检测纳入同一网络中进行端到端学习,利用两个任务间的关联性进行图像情感分类。该网络由特征提取主干,空间自注意力模块与极性检测分支组成。主干用于提取局部上下文特征,空间自注意力模块学习各图像块之间的相关性,从而捕捉图像特征的非局部关联关系用于图像情感预测。极性检测分支检测当前图像的粗粒度情感,用于指导细粒度情感分类。在多个基准数据集上的实验表明,该网络性能优于当前主流方法,消融实验也验证了各模块的有效性。

关键词：图像情感分类细粒度情感分类极性感知注意力弱监督空间自注意力

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

基于弱监督学习的细粒度图像分类算法研究

基于弱监督学习的细粒度图像分类算法研究

引用

作者：章轲杭州电子科技大学

学位级别：硕士

随着互联网的蓬勃发展,图像逐渐成为了信息传播的主流媒介,如何高效稳定地从图像中抽取并融合对应的特征表示与隐藏信息来辅助人工智能时代的各项任务是当前产学界的关键问题。图像分类作为图像数据处理的基础任务,对于图像数据的分析... 详细信息

随着互联网的蓬勃发展,图像逐渐成为了信息传播的主流媒介,如何高效稳定地从图像中抽取并融合对应的特征表示与隐藏信息来辅助人工智能时代的各项任务是当前产学界的关键问题。图像分类作为图像数据处理的基础任务,对于图像数据的分析与研究具有重要意义。而细粒度图像分类是图像分类任务的进一步细分,其主要任务是将同一大类别下不同的子类别区分开。由于子类别之间非常细微的类间差异,比起普通图像分类任务,细粒度图像分类精细程度更高。强监督细粒度分类算法需要利用额外监督信息(例如锚点、标注框等)来准确定位目标区域并提高识别精度,但由于昂贵的标注成本使得其在真实场景中受到极大限制。而弱监督细粒度分类算法只需要物体的类别标签,在产学界中均有广泛应用。本文所提出的两个细粒度图像分类算法均基于弱监督学习,针对现有弱监督细粒度图像分类方法中存在的特征提取局限性以及数据噪声问题进行优化,主要研究内容如下:(1)针对当前弱监督细粒度图像分类任务中基于注意力的方法无法灵活提取空间特征相互关系的局限性问题,本文提出一个空间自注意力网络(SSANet)来获取沿空间维度压缩特征相互关系的高可用特征信息并将其作为细粒度特征,以此缓解卷积神经网络的性能瓶颈,其中包括一个自注意力蒸馏模块用来将空间自注意力模块输出的知识信息迁移到粗粒度的主体特征上。实验证明了S-SANet在三大细粒度图像公开数据集CUB、Dogs和Cars上拥有极具竞争力的识别性能。(2)针对当前弱监督细粒度分类方法中普遍存在的数据噪声与目标冲突问题,本文提出了一种基于数据增强的交叉集成蒸馏模型(CEKD)。S-SANet虽然运用了数据增强技术来缓解过拟合问题,但却没有考虑引入增强操作带来的副作用,即数据噪声。针对数据噪声问题,提出了交叉蒸馏模块来提高模型抵御数据噪声的鲁棒性;针对目标冲突问题,提出了一种优化的协同集成方法来动态集成输出的Logits,以此缓解师生网络之间的性能鸿沟。经过在3个公开的细粒度图像数据集CUB、Cars和Aircraft上大量的对比实验,显示出相较于其他基准模型更优越的识别率,且对关键部位定位更准确。

关键词：细粒度图像分类空间自注意力自注意力蒸馏数据增强在线知识蒸馏

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

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

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：