检索结果-南通市图书馆

维普期刊数据库博看期刊

基于边缘注意力与伪多光谱融合的红外目标检测算法研究

在线全文

学校读者我要写书评

暂无评论

基于边缘注意力与伪多光谱融合的红外目标检测算法研究

作者：何文东哈尔滨工业大学

学位级别：硕士

目标检测是近年来计算机视觉领域中发展最迅速、应用最广泛的技术之一,其任务是在一幅图像或一段视频序列中检测目标并分类。当前,基于可见光图像的目标检测方法已经在MS COCO、PASCAL VOC等数据集上取得了很好的检测效果。然而,可见光... 详细信息

目标检测是近年来计算机视觉领域中发展最迅速、应用最广泛的技术之一,其任务是在一幅图像或一段视频序列中检测目标并分类。当前,基于可见光图像的目标检测方法已经在MS COCO、PASCAL VOC等数据集上取得了很好的检测效果。然而,可见光图像在微光甚至无光条件下十分容易导致目标丢失,这在行人检测、安防等场景下会造成严重的后果。红外图像的成像只与目标的热辐射高低有关,因此可以较好的解决这一问题。然而,由于红外图像数据集少、红外图像特征少,目前基于红外图像的目标检测模型检测效果都不甚理想。因此,本文主要研究基于红外图像的目标检测算法。目前大多数针对红外图像进行检测的算法都没有充分挖掘红外图像本身的信息。区别于可见光图像高分辨率、细节特征丰富的特点,红外图像本身颜色、纹理等可判别性特征缺少,因此其轮廓和边缘信息对于检测就显得格外重要。本文为了充分利用红外图像中的边缘特征设计了一个边缘注意力模块,促使网络关注图像中的边缘特征。同时,为了更有效利用不同尺度特征图中的互补性信息,本文设计了一个多尺度自适应特征融合模块。实验表明,使用边缘注意力与特征融合的方法较其基准Faster R-CNN算法在FLIR ADAS数据集上的mAP指标提升了1.3%,其中Bicycle的AP提升了3.2%。这验证了基于边缘注意力的红外目标检测算法的有效性和可行性。更进一步,考虑到可见光图像可以弥补红外图像本身纹理、颜色等特征缺乏的缺点,而当前由可见光与红外图像对构成的数据集还很少,本文提出了一种基于伪多光谱融合的红外目标检测算法。首先对CycleGAN进行改进,提出了边缘相似性判别器以及局部相似性损失函数实现红外图像到可见光图像的转换,生成了与红外图像匹配的伪可见光图像。同时,设计了一种基于贝叶斯融合的多光谱融合模型,将伪可见光与红外模型得到的检测结果进行融合。实验表明,基于伪多光谱融合的红外目标检测算法较其baseline在数据集FLIR ADAS上的mAP指标提升了3.77%,且相比当前最新方法有了较大提升。实验结果表明本文提出的基于伪多光谱融合的红外目标检测算法在检测精度上达到了目前的先进水平。

关键词：红外图像目标检测边缘注意力循环生成对抗网络多光谱融合

基于边缘信息和注意力特征融合的图像去模糊网络的研究与实现

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于边缘信息和注意力特征融合的图像去模糊网络的研究与实现

作者：赵亚峰黑龙江大学

学位级别：硕士

自然图像去模糊作为低级视觉中的一个基础课题,能够在日常生活或者研究工作中帮助人们减少由于图像模糊导致的信息丢失,提升生产生活中的信息交流效率,所以去模糊算法在计算机视觉中占据重要地位。由于自然图像去模糊不满足适定问题中3... 详细信息

自然图像去模糊作为低级视觉中的一个基础课题,能够在日常生活或者研究工作中帮助人们减少由于图像模糊导致的信息丢失,提升生产生活中的信息交流效率,所以去模糊算法在计算机视觉中占据重要地位。由于自然图像去模糊不满足适定问题中3个条件中的2个条件,即解唯一和解稳定,因此,该问题是一个高度不适定问题,如何准确的还原出图像丢失的信息成为了一个难题。本文首先介绍了一些端到端的深度学习去模糊方法,目前此类方法主要依靠多尺度和尺度循环的方法提升感受野,从而得到丰富的特征信息来提升去模糊质量。而随着感受野的不断增加,单纯的增加网络深度已经不能提升去模糊质量,而且还会带来收敛困难的问题。本文证明了在去模糊任务中,以边缘信息为代表的高频信息发挥着至关重要的作用,因此考虑在神经网络去模糊算法中引入边缘先验。本文围绕上述问题提出了多尺度和自适应边缘注意力提升模型（Multi-scale and Self-adaptive Edge Attention enhanced model,MSEA）。其思路是:在进入神经网络之前将利用模糊图像提取边缘先验,然后再通过调整网络结构将先验信息有效的融入到网络中,从而起到加强边缘特征和引导神经网络学习的目的。我们利用相位一致性边缘提取算法得到模糊图像的边缘特征,包括阶跃边缘、线边缘及融合两者特征的边缘。然后在Encoder-Decoder网络结构的基础上增加了特征增强分支,用于对边缘特征图像进一步的特征提取。为了将模糊图像特征和边缘特征进行有效的融合,提出了自适应注意力融合模块（Self-adaptive Attention Fusion,SAF）,该模块将所融合的特征分为主特征和辅助特征,可以自适应的调整特征之间的融合权重。由于SAF模块本质上是一个特征融合的操作,所以还被用于优化传统Encoder-Decoder结构中的跳跃连接。本文使用了GoPro和VideoDeblurring数据集进行实验验证MSEA模型。在两个数据集上的定性和定量评价结果表明,特别是在有尖锐边缘和丰富纹理的情况下,和其他方法对比,该模型的效果最优。本文还针对边缘先验、特征增强分支以及SAF模块进行了消融实验分析,证明了每个组件的有效性。最后通过可视化在MSEA网络中4个尺度上特征增强分支的特征图,直观证明了边缘先验在神经网络中发挥的作用。

关键词：自然图像去模糊神经网络边缘注意力分层网络自适应特征融合

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

双主干伪装目标检测网络

北京交通大学学报 2024年第2期48卷 57-67页

作者：史彩娟赵琳任弼娟张昆孔凡跃王睿华北理工大学人工智能学院河北唐山063210 华北理工大学河北省工业智能感知重点实验室河北唐山063210

针对伪装目标检测任务中存在检测精度有限的问题,通过引入双主干网络增加差异化信息,提出一种双主干伪装目标检测网络(Dual Backbone Network,DBNet).设计了双主干特征融合模块、边缘注意力模块和逐级细化模块.双主干特征融合模块将Res2... 详细信息

针对伪装目标检测任务中存在检测精度有限的问题,通过引入双主干网络增加差异化信息,提出一种双主干伪装目标检测网络(Dual Backbone Network,DBNet).设计了双主干特征融合模块、边缘注意力模块和逐级细化模块.双主干特征融合模块将Res2Net50和PVT v2对原始图像提取的多级特征进行有效融合,获取丰富的全局上下文信息和局部上下文信息;边缘注意力模块根据生成的边缘预测图进一步计算边缘注意力图,使网络更加关注伪装目标的边缘细节;在逐级细化模块中,上一层的预测图和特征与当前层的特征依次经过粗预测细化结构和交叉查询注意力结构,该模块在标签监督下能够提供逐渐精确和细化的预测结果 .研究结果表明:在CAMO数据集,DBNet的S_(α)、F_(β)^(ω)和E_(φ)分别为0.877、0.838和0.932,MAE为0.042;在COD10K数据集,DBNet的MAE和E_(φ)分别为0.022和0.932;在NC4K数据集,F_(β)^(ω)和MAE分别为0.843和0.031.所提网络DBNet的检测性能优于其他23个伪装目标检测网络,所设计的3个模块能够有效提升网络对伪装目标的检测能力.

关键词：伪装目标检测双主干网络边缘注意力逐级细化

维普期刊数据库博看期刊

BMEDT:基于Transformer的双向多级边缘检测网络

在线全文

学校读者我要写书评

暂无评论

小型微型计算机系统 2024年第12期45卷 3042-3049页

作者：荆东东李备备王诗宇刘信君中国科学院沈阳计算技术研究所沈阳110168 中国科学院大学北京100049 沈阳中科数控技术股份有限公司沈阳110168

针对现有边缘检测方法在处理复杂背景时出现的边缘丢失、线条粗糙、内容混乱等问题,本文提出一种基于Transformer的双向多级边缘检测网络.首先,网络采用Swin Transformer作为骨干网络,提取图像基本特征,并通过多尺度特征增强模块获取特... 详细信息

针对现有边缘检测方法在处理复杂背景时出现的边缘丢失、线条粗糙、内容混乱等问题,本文提出一种基于Transformer的双向多级边缘检测网络.首先,网络采用Swin Transformer作为骨干网络,提取图像基本特征,并通过多尺度特征增强模块获取特征图中不同尺度的上下文信息;其次,根据特征点位置的重要性,提出边缘注意力模块,用于强化边缘与非边缘像素之间的差异性,提高重要特征的关注度;最后,为解决边缘检测任务中正负样本不均衡问题,提出一种新的损失函数,并通过分层监督的方式强化特征表示.在BSDS500和NYUDv2数据集上的实验和评估中,所提方法在边缘细节处理方面已经超过许多经典算法,并取得了最佳水平.这些结果表明,所提方法可以有效地解决边缘检测中的一些挑战,并为相关应用提供更好的支持.

关键词：边缘检测 Transformer 多尺度特征增强边缘注意力分层监督

维普期刊数据库

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于注意力机制的单帧图像超分辨率重建算法

基于注意力机制的单帧图像超分辨率重建算法

作者：贾妍西安电子科技大学

学位级别：硕士

高分辨率图像可以提供丰富的图像细节信息和良好的视觉效果,然而受成像设备及成像环境等因素的制约,存在设备获取图像分辨率低的问题。为解决该问题,学者们提出了多种方法将低分辨率图像重建为高分辨率图像,将其称为图像超分辨率重建技... 详细信息

高分辨率图像可以提供丰富的图像细节信息和良好的视觉效果,然而受成像设备及成像环境等因素的制约,存在设备获取图像分辨率低的问题。为解决该问题,学者们提出了多种方法将低分辨率图像重建为高分辨率图像,将其称为图像超分辨率重建技术。图像超分辨率重建算法通过软件方法将低分辨率图像重建成对应高分辨图像,从而满足用户需求。随着深度学习的发展,基于深度学习的图像超分辨率重建算法成为研究热点。本文分别针对基于反馈网络和残差网络的单帧图像超分辨率重建算法进行研究,探索其中能够改进的环节,具体工作如下:(1)现有基于反馈网络的图像超分辨率重建算法采用单一尺度映射特征,降低了网络的学习能力;且在图像重建时,没有对网络映射的不同类型特征进行判别,而是无差异地对其上采样来重建图像,忽略了不同类型特征对图像重建过程的贡献程度不同,降低了网络特征表达能力,使得重建图像细节信息不足。本文提出多尺度特征映射模块,提高网络学习能力;引入注意力机制判别不同类型特征对图像重建的贡献度,利用双域融合注意力模块,挖掘通道域和空间域的更多高频信息来优化通道和空间注意力机制,从而使网络更侧重于贡献度高的特征,提高了网络重建图像的细节恢复能力。(2)现有基于残差网络的图像超分辨率重建算法存在网络性能受限、残差信息传输过程中丢失以及特征利用不充分的问题。现有算法虽然在一定程度上提升了网络性能,但存在提升上限,而引入图像先验知识可以提高网络性能的上限;现有算法在网络的长距离传输过程中容易丢失部分残差特征信息,影响网络重建性能;现有算法忽略了不同层次特征信息之间的相互依赖性,导致对不同层次特征信息的利用不充分,使得重建图像质量降低。针对第一个问题,本文提出边缘注意力模块,引入曲率提取的边缘先验作为辅助信息,有效地缓解重建图像中的边缘模糊现象;针对第二个问题,提出特征融合残差模块,融合残差模块内卷积层特征,丰富不同层次特征信息;针对第三个问题,本文引入层次注意力机制,计算不同层次特征的相关性矩阵,从而判断不同层次特征间的依赖程度,进而有针对性地融合不同层次特征,加深对不同层次特征信息的利用程度,改善了重建图像质量。本文算法在Set5、Set14、Urban100、BSD100和Manga109五个数据集上的实验数据,与主流的深度学习算法对比,提高了部分重建图像的评价指标和视觉效果,体现了本文算法的有效性和一定的优越性。

关键词：图像超分辨率重建双域融合注意力层次注意力相关性矩阵边缘注意力

基于卷积神经网络高分辨率城市遥感影像分类研究

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于卷积神经网络高分辨率城市遥感影像分类研究

作者：周越东华理工大学

学位级别：硕士

随着遥感技术的不断发展,传统图像分类方法在高分辨率遥感影像中表现欠佳,随着深度学习的兴起,基于深度学习的方法对遥感影像进行分类成为了研究人员关注的热点之一,尤其是卷积神经网络在图像分类上的优异表现,使得其在遥感影像分类中... 详细信息

随着遥感技术的不断发展,传统图像分类方法在高分辨率遥感影像中表现欠佳,随着深度学习的兴起,基于深度学习的方法对遥感影像进行分类成为了研究人员关注的热点之一,尤其是卷积神经网络在图像分类上的优异表现,使得其在遥感影像分类中越来越受欢迎,然而使用卷积神经网络进行遥感影像分类也同样面临如下几点问题:一方面增加卷积神经网络的深度,网络获取深层特征能力越强,进行影像的分类精度越高,但随着深度的增加池化造成的空间信息尤其是小目标空间信息丢失越严重问题;另一方面随着遥感技术的不断发展,遥感影像分辨率不断提升,高分辨率遥感影像包含大量的地面物体信息,例如纹理,形状和空间位置等,然而由于地面物体的多样性与复杂性,高分辨率遥感影像通常表现为较大的类内差异和较小的类间差异,从而给分类任务带来了巨大的挑战。针对以上问题,本文主要做了以下工作:（1）本文基于U-Net模型,针对高分辨率城市遥感影像中小目标分类效果较差这一问题,采用空间金字塔池化模块替代原始U-Net深层网络的池化与上采样层,有效缓解了池化造成的空间信息尤其是小目标空间信息丢失问题,并且利用不同扩张率的扩张卷积具有提取不同尺度信息的能力,在空间金字塔模块通过多个不同尺度的扩张卷积有效提取特征图中不同地物的多尺度信息,提高模型分类精度。实验结果表明,相对原始U-Net模型总体精度提高了1.95%,达到了86.93%,在小目标“汽车”类别F1得分提升了最高为13.81%,在所有类别中F1得分最高,说明了池化造成的空间信息丢失情况得到了有效的缓解。（2）针对高分辨率城市遥感影像中较大的类内差异和较小的类间差异,基于边缘检测思想,提出与原始U-Net网络并行的边缘注意力分支BA-Unet模型,通过与分类网络共享编码卷积层权值,利用地物边缘轮廓信息改善分类效果。针对边缘注意力分支中,边缘像素与背景像素存在类别极度不平衡的问题,在边缘分支中采用Focal Loss作为损失函数,以改善类别不平衡导致分类器预测结果偏向背景像素问题。实验结果表明,其总体精度较原始U-Net提高了2.06%,达到了87.04%,在小目标“汽车”类别F1得分提升了13.39%,提升效果较基于金字塔池化模块改进的模型稍差一点,同时通过对比分类结果图发现,其地物边缘轮廓尤其是建筑物边缘得到了一定改善。（3）为了得到更好的分类结果,本文使用空间金字塔池化模块与边缘注意力分支共同改进U-Net模型,得到了本文最优的分类结果,总体精度达到87.40%,相对使用空间金字塔池化模块得SPP-Unet和引入边缘注意力分支的BA-Unet分别提高0.47%和0.36%。

关键词：遥感影像分类卷积神经网络 U-Net模型空间金字塔边缘注意力

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于多尺度边缘感知的三维心脏图像分割

基于多尺度边缘感知的三维心脏图像分割

作者：裴佳伟重庆邮电大学

学位级别：硕士

心脏磁共振成像(cardiac magnetic resonance,CMR)主要用于心脏功能评估和心血管疾病诊断。通过心脏磁共振图像评估临床参数,包括射血分数、心室容积、脉搏输出量和心肌质量,它们被认为是黄金标准。应用计算机辅助诊断来解决这一问题已... 详细信息

心脏磁共振成像(cardiac magnetic resonance,CMR)主要用于心脏功能评估和心血管疾病诊断。通过心脏磁共振图像评估临床参数,包括射血分数、心室容积、脉搏输出量和心肌质量,它们被认为是黄金标准。应用计算机辅助诊断来解决这一问题已成为近年来的热点。以往的研究提出了很多基于传统特征的方法,随着卷积神经网络的发展,心脏磁共振图像中器官自动分割方法相对于传统特征提取方法在速度和准确率上都有了很大改进,但是由于心脏区域位置、形状、大小各异,以及心脏核磁共振图像对比度低造成区分边界困难,这给卷积神经网络提升分割准确率造成了困难。同时现有的基于卷积神经网络的方法大多忽视了特征聚合过程中的错误对齐的问题,没有充分利用多尺度背景和轮廓信息,造成了细节和语义的丢失,导致无法学习全局特征以及分割图边缘的不连续性。我们设计了一种名为残差门控压缩的边缘注意力模块,从深度方向和宽度方向和高度方向三个方向去自学习特征的重要程度,学习对病灶区域的特征施加较大权重,从而让网络能够自适应地更加聚焦于病灶区域,从而提升网络分类表现。除此之外,我们设计了一种名为体素关系流的上下文关系学习模块,其能更有效的将低分辨率高层次的语义特征和高分辨率低层次的边缘特征进行特征对齐以此进行有效的特征融合。最后,我们设计了一种名为级联空洞空间金字塔的多尺度特征提取模块来更好地获得不同尺度的心脏语义特征来让网络克服不同图像中心脏形状变化较大的问题。实验证明我们的网络在公开的心脏数据集上取得了最好的实验效果。

关键词：心脏磁共振成像卷积神经网络边缘注意力上下文关系多尺度特征

基于改进U-Net的多流视网膜血管分割算法

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

计算机系统应用 2024年第7期33卷 129-138页

作者：陆锡恒宣士斌广西民族大学人工智能学院南宁530006 广西混杂计算与集成电路设计分析重点实验室南宁530006

针对传统U型网络特征冗余以及视网膜血管形态复杂、细血管分割困难等问题,提出一种基于改进U-Net的多流视网膜血管分割算法.算法包含两种特征流向,分别是全局分割流与边缘特化流.为了减少特征冗余,全局分割流在部分卷积的基础上采用快... 详细信息

针对传统U型网络特征冗余以及视网膜血管形态复杂、细血管分割困难等问题,提出一种基于改进U-Net的多流视网膜血管分割算法.算法包含两种特征流向,分别是全局分割流与边缘特化流.为了减少特征冗余,全局分割流在部分卷积的基础上采用快速提取模块替代传统的U-Net卷积块,构建了能够高效提取血管特征、加快算法推理速度的改进U-Net模型;为了减少噪声干扰、提升细血管的分割精度,边缘特化流利用形态学生成的边缘标注信息为指导,采用多个边缘提取模块,结合全局分割流的高级语义特征以及边缘注意力,更具针对性的提取血管细节信息,增强细血管的特征表达.在DRIVE与STARE数据集上进行了算法的有效性测试,敏感度分别为0.8415和0.8369,准确率分别为0.9701和0.9718,AUC值分别为0.9877和0.9909,整体性能优于现有算法.

关键词： U-Net 全局分割流部分卷积边缘特化流边缘注意力

维普期刊数据库

在线全文

学校读者我要写书评

暂无评论

基于边缘U^(2)-Net的视盘分割方法

长春理工大学学报（自然科学版） 2024年第3期47卷 93-100页

作者：王雪武现阳涂家亮于洁茹宁春玉长春理工大学生命科学技术学院长春130022

彩色眼底图像中的视盘分割在识别眼科疾病中起着关键作用。针对因各种因素影响的视盘边缘分割不准确及分割算法效率低问题,提出一种基于轻量级U^(2)-Net、融入边缘注意力机制的视盘自动分割方法。该方法以轻量级U^(2)-Net为主干网络,使... 详细信息

彩色眼底图像中的视盘分割在识别眼科疾病中起着关键作用。针对因各种因素影响的视盘边缘分割不准确及分割算法效率低问题,提出一种基于轻量级U^(2)-Net、融入边缘注意力机制的视盘自动分割方法。该方法以轻量级U^(2)-Net为主干网络,使用视盘感兴趣区域提取的预处理方式去除无关特征,同时引入边缘注意力机制增强对视盘边缘特征的提取能力。在Drishti_GS和REFUGE两个公开数据集上的F1分数分别达到97.82%和97.36%,Dice相似系数分别达到97.15%和96.64%,IOU分别达到94.47%和93.50%,与其他网络模型相比表现出优越的分割性能,具有临床应用价值。

关键词：彩色眼底图像视盘分割 U^(2)-Net 感兴趣区域提取边缘注意力

维普期刊数据库