检索结果-南通市图书馆

武汉大学学报（信息科学版） 2022年第7期47卷 1071-1080页

作者：杨军于茜子兰州交通大学电子与信息工程学院甘肃兰州730070 兰州交通大学测绘与地理信息学院甘肃兰州730070 地理国情监测技术应用国家地方联合工程研究中心甘肃兰州730070 甘肃省地理国情监测工程实验室甘肃兰州730070

针对多模态、多尺度的高分辨率遥感影像分割问题,提出了结合空洞卷积的fusenet变体网络架构对常见的土地覆盖对象类别进行语义分割。首先,采用fusenet变体网络将数字地表模型(digital surface model,DSM)图像中包含的高程信息与红绿蓝(r... 详细信息

针对多模态、多尺度的高分辨率遥感影像分割问题,提出了结合空洞卷积的fusenet变体网络架构对常见的土地覆盖对象类别进行语义分割。首先,采用fusenet变体网络将数字地表模型(digital surface model,DSM)图像中包含的高程信息与红绿蓝(red green blue,RGB)图像的颜色信息融合;其次,在编码器和解码器中分别使用空洞卷积来增大卷积核感受野;最后,对遥感影像逐像素分类,输出遥感影像语义分割结果。实验结果表明,所提算法在国际摄影测量与遥感学会(International Society for Photogrammetry and Remote Sensing,ISPRS)提供的Potsdam、Vaihingen数据集上的mF1得分分别达到了91.6%和90.4%,优于已有的主流算法。

关键词：高分辨率遥感影像深度卷积神经网络空洞卷积语义分割 fusenet

来源：

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

fusenet:应用于移动端的轻量型图像识别网络

引用

计算机应用研究 2023年第1期40卷 288-293,298页

作者：田鑫驰王亚刚尹钟上海理工大学光电信息与计算机工程学院上海200093

为解决目前Transformer模型因其巨大的参数量和计算复杂度而无法应用在计算资源相对有限的移动设备中的问题,提出了一种适用于移动端的友好型轻量图像识别网络称为fusenet。fusenet利用卷积神经网络提取局部特征信息和自注意力机制擅长... 详细信息

为解决目前Transformer模型因其巨大的参数量和计算复杂度而无法应用在计算资源相对有限的移动设备中的问题,提出了一种适用于移动端的友好型轻量图像识别网络称为fusenet。fusenet利用卷积神经网络提取局部特征信息和自注意力机制擅长对全局信息进行建模的特性,将局部表示与全局表示两者的特性整合至一个特征提取模块,高效融合了两种不同结构的优点达到以较小的模型规模实现较高准确率的目的。实验证明不同参数规模的fusenet可以在不进行预训练的情况下实现良好的性能,可以很好地应用在移动设备中。fusenet-B在ImageNet-1K数据集上以14.8 M的参数量实现了80.5%的准确率,性能表现超过了同体量的Transformer模型和卷积神经网络。

关键词：卷积神经网络图像识别移动设备轻量型 Transformer fusenet

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fusenet的多模态融合图像分割网络

引用

智能计算机与应用 2023年第8期13卷 11-16,24页

作者：张涛黄孝慈上海工程技术大学机械与汽车工程学院上海201620

现有的图像分割工作主要是利用CNN学习高层语义特征中的上下文信息,直接生成最终的分割模板,没有对图像中类别信息进行显式建模。因此,本文提出了基于fusenet的多模态融合图像分割网络,其目的是在输入图像中通过语言表达生成对象的分割... 详细信息

现有的图像分割工作主要是利用CNN学习高层语义特征中的上下文信息,直接生成最终的分割模板,没有对图像中类别信息进行显式建模。因此,本文提出了基于fusenet的多模态融合图像分割网络,其目的是在输入图像中通过语言表达生成对象的分割图像。模型由3个核心部件组成,分别是:多模态融合模块、定位模块和Segmentation Mask模块。视觉特征与语言特征的融合可以关注输入语言中多个指定类别的目标图像区域,然后根据对象的上下文生成一个关于对象的精细分割图像。实验结果表明,本文方法在真实环境中获得了最佳的mIoU值(52.1%),比仅在源数据上训练的模型增加了15.5%。通过模型在数据集上的性能评估,利用对视觉和语言特征的显式建模,由此得到了比先前模型更精确的分割结果和更快的分割性能。

关键词：图像分割深度学习多模态融合 fusenet

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

基于卷积神经网络实现点云创建BIM模型研究

基于卷积神经网络实现点云创建BIM模型研究

引用

作者：刘志辉南昌航空大学

学位级别：硕士

近年来,BIM技术不断进步与发展,已广泛应用于工程项目、智慧建筑(Smart Building)、虚拟现实(Virtual Reality,VR)等领域中。随着深度传感器和三维激光扫描仪的普及,利用三维激光扫描技术创建BIM模型已成为国内外学者研究的热点方向。因... 详细信息

近年来,BIM技术不断进步与发展,已广泛应用于工程项目、智慧建筑(Smart Building)、虚拟现实(Virtual Reality,VR)等领域中。随着深度传感器和三维激光扫描仪的普及,利用三维激光扫描技术创建BIM模型已成为国内外学者研究的热点方向。因此,三维激光扫描技术正逐步成为三维数据采集的重要方式。为了提高既有建筑的BIM模型创建效率,本文利用相机模型实现点云和图像的互译,使用卷积神经网络对点云生成的RGB-D图像进行语义分割,采用Revit参数化建模插件Dynamo将分割后的点云自动创建成BIM模型,具体工作如下:(1)通过PCL(Point Cloud Library)和OpenCV(OpenSource Computer Vision Library)将S3DIS室内点云数据集按照不同使用功能的室内区域进行点云生成RGB-D图像的实验,实验过程中采用相机模型,实现点云数据集与RGB-D图像互译。通过比较标准的S3DIS室内点云数据集结果发现,点云生成的RGB-D图像具有较为完整的语义信息和几何信息,保证了点云数据的准确性和实用性。(2)利用基于RGB-D图像语义分割的fusenet卷积神经网络进行语义分割实验,实验使用NYUDv2图像数据集做训练集,使用点云生成的RGB-D图像数据集做测试集。实验结果显示,相较于3DGNN网络,fusenet网络的mAcc为73.4%,比3DGNN网络高19.5%,fusenet网络的mIoU为50.1%,比3DGNN网络高9.9%,根据分割结果,fusenet卷积神经网络更适用于RGB-D图像语义分割。(3)根据可视化建模的思想,提出了一种基于分割点云的几何信息和语义信息,利用Dynamo创建BIM的方法。通过Dynamo的Excel数据读取分割后点云的信息,分别对楼板、天花板、墙体、桌、椅、书柜等构件进行Revit模型创建,并通过Python调用Revit API二次开发命令创建了基于主体的特殊族实例的Revit模型,解决了Dynamo中不能直接创建门、窗模型的问题,该方法提高了点云创建BIM的准确率,整个建模过程基本实现了自动化,提升了BIM建模的效率。

关键词： BIM技术 PCL RGB-D图像语义分割 fusenet Dynamo

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

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

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：