检索结果-南通市图书馆

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种用边界细化汉字的方法

广西师范大学学报（自然科学版） 2001年第1期19卷 55-57页

作者：张显全广西师范大学计算机科学系广西桂林541004

汉字骨架是汉字的一种重要几何特征 ,如何对汉字进行细化 ,是对汉字进行识别的前提 .在此提出了一种新的细化汉字方法 ,它是通过笔划的边缘求出其中心 ,以笔划中心作为细化的结果 .实验证明该方法具有较好的细化结果 .

关键词：字体轮廓线汉字识别边界细化笔划中心汉字骨架汉字图像

维普期刊数据库

基于分层解码和渐进融合的快速显著性目标检测

在线全文

学校读者我要写书评

暂无评论

天津大学学报（自然科学与工程技术版） 2024年第7期57卷 721-728页

作者：杨爱萍王子麒程思萌刘彦天津大学电气自动化与信息工程学院天津300072

现有显著性目标检测方法大多只关心模型的检测精度,容易忽略模型的编解码效率,导致网络运行速度较慢.针对上述问题,本文提出一种基于分层解码和渐进融合的快速显著性目标检测网络,并分别设计语义提取模块、空间增强模块和边界提取模块,... 详细信息

现有显著性目标检测方法大多只关心模型的检测精度,容易忽略模型的编解码效率,导致网络运行速度较慢.针对上述问题,本文提出一种基于分层解码和渐进融合的快速显著性目标检测网络,并分别设计语义提取模块、空间增强模块和边界提取模块,对编码器提取到的多尺度特征进行分层筛选和高效解码.其中,语义提取模块可准确定位显著性目标的整体区域,空间增强模块可完整保留显著性目标的空域信息,边界提取模块可增强显著性目标的边界轮廓.由于不同层级特征的感受野和分辨率不同,本文设计了邻间聚合模块和边界细化模块,对筛选后的特征进行渐进式融合并逐步细化得到最后的显著性预测图.实验结果表明,所提方法不仅能够得到边界清晰、区域完整的显著性预测图,还能显著提升模型的编解码效率,快速检测显著性目标,在ECSSD和HKU-IS数据集上的最大值F max分别为0.947和0.936,优于其他方法.

关键词：显著性目标检测分层解码渐进融合邻间聚合边界细化

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

面向3D视觉引导的点云分割

计算机系统应用 2024年

作者：周洪志杨海波贾军营卢鑫李子琦沈阳工业大学信息科学与工程学院沈阳风驰软件有限公司

点云分割是三维视觉引导和场景理解中的关键步骤,点云分割的质量直接影响三维测量或成像的质量.为提高分割精度、解决边界越界问题,本文提出了一种面向3D视觉引导的点云分割算法,该算法根据点云的空间位置、曲率和法向量信息,生成初始... 详细信息

点云分割是三维视觉引导和场景理解中的关键步骤,点云分割的质量直接影响三维测量或成像的质量.为提高分割精度、解决边界越界问题,本文提出了一种面向3D视觉引导的点云分割算法,该算法根据点云的空间位置、曲率和法向量信息,生成初始超体素数据,并提取边界点;通过计算边界点与邻域超体素的相似性度量,进行边界细化,即重新分配边界点优化超体素;最后基于区域生长获得候选片段并根据其凹凸性进行合并,得到对象级分割结果.经过可视化和定量比较表明,该算法有效解决了边界越界问题,能对复杂的点云模型准确分割,分割结果准确率为89.04%,召回率为87.38%.

关键词：点云分割超体素边界细化凹凸性

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

融合多尺度边界特征的显著实例分割

计算机科学与探索 2022年第8期16卷 1865-1876页

作者：何丽张红艳房婉琳天津财经大学理工学院天津300222

对感兴趣的对象进行定位是计算机视觉应用的一个基础任务。显著实例分割通过对视觉上具有显著性的物体进行检测并对其进行像素级分割,可以获得感兴趣的实例类。单阶段显著实例分割网络(S4Net)为利用目标对象和其周围背景的特征分离能力... 详细信息

对感兴趣的对象进行定位是计算机视觉应用的一个基础任务。显著实例分割通过对视觉上具有显著性的物体进行检测并对其进行像素级分割,可以获得感兴趣的实例类。单阶段显著实例分割网络(S4Net)为利用目标对象和其周围背景的特征分离能力,设计了一个新的区域特征抽取层ROIMasking。但由于卷积神经网络自身的特性,多次的卷积和上采样会造成实例边界信息缺失,导致边界分割粗糙,影响分割的精度。为了解决显著实例分割中的边界信息丢失问题,在S4Net的基础上借鉴目标边缘检测方法,提出了一种结合边界特征的端到端显著实例分割方法(MBCNet)。该方法设计了一个多尺度融合的边界特征提取分支,利用带有混合空洞卷积和残差网络结构的边界细化模块强化对实例边界信息的提取,并通过网络共享层实现了边界信息的传递;同时,为提高分割的精度,提出了一个新的边界-分割联合损失函数,实现了在同一个网络中对目标边界特征提取分支和实例分割分支的同步训练。实验结果显示,提出的方法在saliency instance数据集上的mAP0.5和mAP0.7分别达到88.90%和67.94%,比目前主流的显著实例分割方法S4Net分别提升了2.20个百分点和4.24个百分点。

关键词：显著实例分割边缘检测边界细化边界-分割联合训练

基于改进多分支特征共享结构网络的裂缝检测算法

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

激光与光电子学进展 2022年第12期59卷 274-283页

作者：李刚陈永强何廷全代玉兰栋超长安大学电子与控制工程学院陕西西安710064 广西新发展交通集团有限公司信息部广西南宁530029

针对路面裂缝检测时裂缝的位置、形态的不确定性及裂缝特征与路面背景纹理的相似性等问题,提出了一种改进的多分支特征共享结构网络的裂缝图像分割算法。为了在减少计算参数冗余的同时提高检测精度,使用轻量化特征提取网络获取高层特征... 详细信息

针对路面裂缝检测时裂缝的位置、形态的不确定性及裂缝特征与路面背景纹理的相似性等问题,提出了一种改进的多分支特征共享结构网络的裂缝图像分割算法。为了在减少计算参数冗余的同时提高检测精度,使用轻量化特征提取网络获取高层特征,采用多分支跳跃连接的方法提高通道间的信息利用。各分支融合全局卷积网络(GCN)模块和边界细化(BR)模块,提高了对裂缝边缘的分割性能和对裂缝区域内部分类的鲁棒性,利用循环残差卷积(RRC)模块,推动了对裂缝特征的累积。最后采用中轴法提取裂缝骨架,计算裂缝的形态参数,得到裂缝长度和宽度的相对误差分别为4.73%和5.21%。设计的多组对比实验结果表明,所提改进算法能够有效地提高对路面裂缝检测的精度和效率。

关键词：图像处理语义分割裂缝检测裂缝参数计算边界细化多分支特征共享

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于深度学习的视网膜血管分割方法研究

基于深度学习的视网膜血管分割方法研究

作者：吴少勇哈尔滨理工大学

学位级别：硕士

视网膜血管是人体唯一可观察到的末端血管,其形态学特征是重要的生物学标志物。专业医师可凭借该标志物准确诊断患者疾病类型及严重程度。视网膜血管的形态信息能够反映临床病理特征。目前,获取视网膜血管形态信息的方式依赖于人工分割... 详细信息

视网膜血管是人体唯一可观察到的末端血管,其形态学特征是重要的生物学标志物。专业医师可凭借该标志物准确诊断患者疾病类型及严重程度。视网膜血管的形态信息能够反映临床病理特征。目前,获取视网膜血管形态信息的方式依赖于人工分割。准确的视网膜血管分割结果对患者的早期诊断具有重要意义。但是,视网膜图像存在对比度不足和血管形状复杂等的问题,这将降低视网膜血管分割的准确度。更重要的是,手工分割视网膜血管不仅效率低,而且分割结果还容易受医生主观因素影响。为解决上述问题,本文提出一种基于深度学习的视网膜血管分割方法,能够准确识别和提取视网膜血管特征,完成视网膜血管自动分割任务。首先,对数据集进行图像增强、图像降噪、特征缩放和数据增强的预处理操作,以增强图像对比度、降低数据中的噪声和满足深度学习的需要。随后,设计一种视网膜血管分割算法,使用残差注意力模块(Residual Attention with Identity,RCI)作为语义分割网络特征提取的基础架构,用于获取视网膜血管的高层语义信息,并增加分辨率较低血管的权重,进而提升分割精度;融合可变形卷积的空洞空间卷积池化金字塔模块(Atrous Spatial Pyramid Pooling with Deformable Convolution,ASPPD),可以让网络获取更大感受野,同时自适应学习树状的血管形态特征;不对称卷积边缘细化模块(Asymmetric Convolution Edge Refinement,ACER)用于提升对视网膜血管边缘的贴合和细化效果,以增强视网膜血管的分割效果。最后,进行多组实验验证本文提出的视网膜血管分割算法的有效性和泛化性。本文提出的视网膜血管分割方法在OCTA-500数据集上测试的性能指标,包括Dice、Jaccard、Binary Accuracy、Accuracy和Precision分别为89.35±2.63%、80.84±4.05%、93.86±1.47%、98.06±0.67%和90.15±4.18%。与其他分割方法相比,本文提出的方法对视网膜血管分割效果更好,并且这种提升并不局限于单一数据集,也同样适用于其他公开数据集。在预测的视网膜血管图像中,视网膜血管边缘平滑,过分割和欠分割区域最小。实验结果表明,本文提出的视网膜血管分割算法综合性能指标优于其他方法,具有一定的临床应用价值。

关键词：视网膜血管分割残差注意力边界细化可变形卷积

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S4Net的显著实例分割方法研究

基于S4Net的显著实例分割方法研究

作者：张红艳天津财经大学

学位级别：硕士

近年来,随着人工智能技术的发展和应用的逐渐推广,很多新兴的计算机视觉任务也在不断产生和发展,而显著实例分割就是其中一个。显著实例分割是由显著性检测和实例分割两大任务衍生而来,主要是通过对视觉上具有显著性的物体进行检测,并... 详细信息

近年来,随着人工智能技术的发展和应用的逐渐推广,很多新兴的计算机视觉任务也在不断产生和发展,而显著实例分割就是其中一个。显著实例分割是由显著性检测和实例分割两大任务衍生而来,主要是通过对视觉上具有显著性的物体进行检测,并对检测到的显著性物体进行像素级分割,获得感兴趣的实例类,从而对显著性物体实现实例间的区分。因此,如何更好地定位显著性物体和分割显著实例是显著实例分割任务的关键。本文以ResNet50为基础网络,利用S4Net的显著实例分割方法,围绕如何解决显著实例分割中边界信息丢失和显著目标检测中定位不准确的问题展开相关研究工作。本文的主要工作如下:1.提出了一种融合多尺度边界特征的显著实例分割模型。S4Net模型利用目标对象和其周围背景的特征分离能力,提出了Ro IMasking来提升分割精度。但该方法忽视了卷积神经网络自身的特性,多次的卷积和上采样会造成实例边界信息缺失。因此,本文在S4Net的基础上,提出了一种结合边界特征的端到端显著实例分割方法。该方法设计了一个多尺度融合的边界特征提取分支,利用边界细化模块来强化对实例边界信息的提取;同时,提出了一个新的边界-分割联合损失函数,实现了在同一个网络中对目标边界特征提取分支和实例分割分支的同步训练,从而能够更好地学习边界特征信息,有效提升显著实例的分割效果。2.提出了一种融合特征增强和注意力机制的显著实例分割模型。当显著实例之间存在遮挡和拥挤情况时,定位任务可能会存在漏检和误检的情况,使得分割效果的好坏受到实例定位精度的直接影响。因此,本文在MBCNet的基础上提出了一种融合特征增强和注意力机制的显著实例分割方法。该方法借鉴注意力机制的思想,通过设计一个融合特征增强和注意力机制的显著实例定位分支,利用特征增强模块来加强对显著实例位置信息的提取。同时,在显著实例分割分支中提出了多尺度Ro IAlign层,通过对多个不同尺度的特征图进行特征信息的提取与融合,进一步提升显著实例的分割效果。

关键词：显著实例分割边界细化边界-分割联合训练注意力机制特征增强

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度学习的慢性肾病实例分割模型

基于深度学习的慢性肾病实例分割模型

作者：王茹青岛大学

学位级别：硕士

慢性肾脏病(Chronic Kidney Disease,CKD)是一个在全球范围内高发的公共卫生疾病。近年来,我国成人慢性肾脏病患病率达10.8%,并且CKD疾病负担在不断上升。深度学习是一种自动化提取高维度特征信息的人工智能技术,基于深度学习的医学图... 详细信息

慢性肾脏病(Chronic Kidney Disease,CKD)是一个在全球范围内高发的公共卫生疾病。近年来,我国成人慢性肾脏病患病率达10.8%,并且CKD疾病负担在不断上升。深度学习是一种自动化提取高维度特征信息的人工智能技术,基于深度学习的医学图像实例分割技术的精度已经超过传统图像处理方式,同时可以大大降低人工测量的复杂性,提升诊断的客观性和准确性。在基于深度学习的慢性肾病实例分割中主要存在以下问题:对于差距较小的多目标实例检测,模型难以区分对象之间的差异,从而造成误判;超声图像中有很多的伪影和噪声,使得分割结果的边缘不够精确,分割结果比较粗糙;数据集较少,无法满足复杂任务的高精度需求;肾脏超声图像中肾脏的形状多变,横截面和纵截面图像中肾脏的大小、位置相差很大,导致模型学习的范围扩大,很难精准地学习到对任务有效的特征。由于这些问题的存在,基线模型的实例分割结果难以满足实际需求,慢性肾病的检测存在较高误判率,肾脏边界的分割也不够精确。针对目前慢性肾病诊断耗时耗力,人工诊断困难以及识别、分割准确率较低等情况,本文提出一种能够结合肾小球滤过率指标以及图像纹理特征综合分析的实例分割模型,其改进了Mask RCNN框架,并提高了慢性肾病分期检测和肾脏分割的准确率。同时,本文建立了慢性肾病数据集,并在此数据集上与其他先进的实例分割模型进行比较,验证本文模型的有效性。本文的主要研究工作如下:(1)提出基于SCAFF-Mask的慢性肾病实例分割模型。针对基线网络对多尺度慢性肾病图像的检测精度低,分割不够准确的问题,改进特征金字塔网络结构,将不同尺度的特征自适应融合,从而得到来自不同语义级别的有效信息,为区域提案提供更加精准的方案。加入注意力模块,从通道和空间两方面保留特征的有效信息,提升了模型的整体精度。相比于基线网络和其他研究工作,该模型在m AP、IOU、Dice、Precision和Specificity指标上均有不同程度的提升。(2)提出边界优化SCAFF-Mask模型。为了进一步提高边界区域的分割质量,提出了掩码边界学习分支,该分支采用多倍率的空洞卷积提取特征,充分融合语义信息和细节信息,采用Dice Loss与边界均方误差(Mean Square Error,MSE)组合的损失函数对目标的边界进行监督,对不易分类的边界点做进一步处理。与基于SCAFFMask的慢性肾病实例分割模型以及其他先进的实例分割模型相比,本章模型实验结果的IOU、Dice、Precision和Specificity指标得到了进一步的提升。

关键词：深度学习慢性肾病超声图像计算机辅助诊断注意力机制边界细化

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于信息辅助的深度显著性目标检测算法研究

基于信息辅助的深度显著性目标检测算法研究

作者：卞叶童南京航空航天大学

学位级别：硕士

显著性目标检测旨在模仿人类的视觉机制,将场景中人最有可能感兴趣的区域分割出来。随着计算机技术的应用逐渐成熟,显著性目标检测开始被应用于图像和视频数据的处理。计算机硬件的发展,卷积网络的提出,使得深度学习开始渗透进显著性目... 详细信息

显著性目标检测旨在模仿人类的视觉机制,将场景中人最有可能感兴趣的区域分割出来。随着计算机技术的应用逐渐成熟,显著性目标检测开始被应用于图像和视频数据的处理。计算机硬件的发展,卷积网络的提出,使得深度学习开始渗透进显著性目标检测领域。本文基于深度学习的方法对显著性目标检测算法展开了研究。本文首先提出了一个基于边界的多尺度双增强显著性目标检测模型。显著性目标边缘容易出现漏检、误检现象,且当场景语义较复杂、前背景区域过于相似时,容易出现定位错误或定位缺失。针对这两个问题,本文提出的模型分别设计了U型边缘网络系列模块和再下采样注意模块。U型边缘网络系列模块融合了显著边缘信息,为模型在预测目标边缘区域时提供补充信息,并且融合过程中使用了嵌套式的U型结构,使得信息融合更合理。再下采样注意模块对深度特征进行了更深层次的探索,挖掘更具全局视角的语义线索,帮助模型更准确地定位目标。消融实验表明,两种模块都为模型作出了性能上的提升。其次,针对现有模型过于庞大的问题,本文提出了一个基于多信息辅助的U型轻量级显著性目标检测模型。该模型使用轻量级模型作为整体框架的骨干网络,并且使用深度可分离卷积代替传统卷积。为了防止模型参数骤减引起的性能下降,本方法引入了显著骨架特征和边缘特征对骨干网络提取出的特征进行补充,分别提高模型对边缘区域以及目标中心区域的敏感度。利用下采样平行融合模块,将最深层的特征进行不同感受野的融合交互,加强模型对图像整体结构的把握。在五个数据集上采用四个不同种类的评价指标进行评估,本文所提出的两个模型在性能上均表现出了一定的竞争力,能够应对不同复杂场景下的显著前景和背景的分割。

关键词：显著性目标检测深度学习卷积神经网络边界细化目标定位轻量级