检索结果-南通市图书馆

电光与控制 2020年第12期27卷 84-89页

作者：杨胜杰仇振安高小宁李建勋中国航空工业集团公司洛阳电光设备研究所河南洛阳471000 陆装驻洛阳地区航空军事代表室河南洛阳471000 上海交通大学上海200240

基于标准的2D卷积核的rgbd语义分割模型多是将深度图作为一个单独的通道,由于其卷积核特性的限制,无法充分挖掘深度信息带来的几何结构信息。针对该缺陷,构建深度敏感卷积核和池化层实现对深度信息的丰富挖掘;并使用深度敏感空间金字塔... 详细信息

基于标准的2D卷积核的rgbd语义分割模型多是将深度图作为一个单独的通道,由于其卷积核特性的限制,无法充分挖掘深度信息带来的几何结构信息。针对该缺陷,构建深度敏感卷积核和池化层实现对深度信息的丰富挖掘;并使用深度敏感空间金字塔池化对多尺度信息进行提取,实现对不同尺度物体分割的效果。NYU v2和SUN RGB-D数据集上的实验结果表明此方法有效提高了整体的语义分割精度。

关键词： rgbd语义分割深度敏感卷积空间金字塔池化

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

基于深度神经网络的建筑室内场景rgbd语义分割算法研究

基于深度神经网络的建筑室内场景RGBD语义分割算法研究

引用

作者：张红艳苏州科技大学

学位级别：硕士

在人工智能技术飞速发展的时代,面向建筑室内场景的理解逐渐获得越来越多的关注,而其核心关键技术——室内场景的分割更是当前重要的研究课题。当前传统针对室内场景的分割方法在取得一定效果的同时,仍然存在特征过于主观、迁移性差等... 详细信息

在人工智能技术飞速发展的时代,面向建筑室内场景的理解逐渐获得越来越多的关注,而其核心关键技术——室内场景的分割更是当前重要的研究课题。当前传统针对室内场景的分割方法在取得一定效果的同时,仍然存在特征过于主观、迁移性差等缺陷。而基于深度学习的方法可以自动获取特征,实现较好的迁移,但也存在着噪声过多、特征无法充分融合、边缘细节特征缺失等局限性。针对上述问题,本文面向建筑室内场景,从视觉出发,开展了基于深度神经网络的rgbd语义分割算法及应用研究。具体研究主要包含以下方面的内容:(1)针对语义分割单任务学习中存在的无法充分捕捉数据特征的问题,本文提出了基于多任务联合学习与交互学习注意模块融合的rgbd语义分割模型。该模型首先在编解码结构的网络中,将解码器端的任务解耦为语义分割与深度估计两个预测任务;然后融入交互学习注意模块,使得语义分割与深度估计能够进行更好的交互,降低噪声。基于该模型在NYUDv2数据集与SUN rgbd数据集上的实验结果,相比基准模型在Io U上提高了4.7%,验证了模型的有效性。(2)针对rgbd语义分割任务中高低级特征无法得到充分融合的问题,本文提出了多层特征融合策略与协同注意力机制融合的rgbd语义分割模型。该模型首先借助多层特征融合策略,同时更有效地保留丰富的语义特征与细节特征;然后通过协同注意力机制构建出多通道之间的远程依赖,进一步地融合多通道特征。基于该模型在NYUDv2数据集与SUN rgbd数据集中的良好实验结果,相比基准模型在Io U上提高了2.41%,进一步验证了该模型的有效性。(3)面向建筑室内场景分割,本文结合了多任务学习与多层特征融合策略,构建了室内场景环境感知系统。该系统首先通过rgbd语义分割任务获取到较精确的分割效果图与深度图,分割图中明确了室内物体的类别、空间形态,深度图则可以辅助定位相对距离;然后结合物体关系图构建方法,更好地对室内场景进行感知与理解。本文基于深度神经网络的rgbd语义分割算法,有效地提高了分割效果,改善了特征融合不充分的情况,同时加强了对多任务联合学习的认知,为室内场景环境感知系统奠定了基础,拓展了后续的研究方向。

关键词： rgbd语义分割多任务学习协同注意力模块室内环境感知

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

基于非对称融合和关联上下文的rgbd语义分割算法研究

引用

现代计算机 2022年第1期28卷 96-100页

作者：张静怡四川大学电子信息学院成都610065

相比于传统的二维RGB图像的语义分割,使用具有三维信息的rgbd图像,可以提高算法的精度。于是,研究深度图信息如何引入至关重要。采用非对称融合模块,在融入深度图信息时降低其噪声带来的负面影响,并在融合前使用通道注意力模块对深度图... 详细信息

相比于传统的二维RGB图像的语义分割,使用具有三维信息的rgbd图像,可以提高算法的精度。于是,研究深度图信息如何引入至关重要。采用非对称融合模块,在融入深度图信息时降低其噪声带来的负面影响,并在融合前使用通道注意力模块对深度图信息以及RGB信息进行处理,使通道信息得到有效过滤。另外,针对像素之间的关联性不易利用的问题,利用自注意力机制的思想设计了关联上下文模块,用来联合感知并编码多模态深层特征。通过将模块集成到一个双通路的编码解码结构的基本网络模型中,并在NYU-Depth v2室内语义分割数据集上做了测试,取得了不错的分割效果。

关键词： rgbd语义分割卷积神经网络注意力机制

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

基于多模态对齐融合的车厢部件语义分割算法

引用

现代电子技术 2024年第16期47卷 150-156页

作者：赵梓云高晓蓉罗林西南交通大学物理科学与技术学院四川成都610031

车厢部件的定期情况监测是列车安全运行的重要保证之一,基于深度学习的语义分割方法可以用于相关部件的位置形态确定,以便后续进行螺栓和管线是否松动或变形的检查,但这对分割精度有较高的要求。另外,仅基于普通图像的纹理特征难以应对... 详细信息

车厢部件的定期情况监测是列车安全运行的重要保证之一,基于深度学习的语义分割方法可以用于相关部件的位置形态确定,以便后续进行螺栓和管线是否松动或变形的检查,但这对分割精度有较高的要求。另外,仅基于普通图像的纹理特征难以应对各种实际复杂场景,会出现分割不连续、边缘轮廓不清晰的问题。为此,提出一种基于多模态数据对齐融合的语义分割算法,额外引入车厢深度图来补充普通图像中缺失的几何特征信息,再将两种模态的特征对齐后作为互补的特征融合学习,最终达到准确分割部件的目的。通过车厢部件的rgbd语义分割数据集的建立,对所提算法在实际应用场景下的效果进行验证,得到97.2%的召回率以及87.4%的平均交并比。同时,所设计模型在NYUDV2数据集上达到了53.5%的平均交并比,与同类型算法相比处于先进水平。这些结果表明,所提算法在有挑战性的车厢部件分割任务中,可以达到良好的分割效果,也具有较好的泛化性,有助于提升车厢部件检测的自动化水平,减轻人工压力。

关键词： rgbd语义分割车厢部件多模态特征融合特征对齐螺栓管线注意力机制

来源：

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

一种基于SwiftNet面向室内rgbd场景的高效语义分割算法

引用

重庆工商大学学报(自然科学版) 2023年

作者：王博许钢苏世林安徽工程大学电气工程学院

【目的】针对室内场景中的复杂光照、多样化的材质以及空间结构，现有的rgbd语义分割算法未能充分利用深度图像提供的形状信息，且计算成本高等问题，提出一种基于SwiftNet面向室内rgbd场景高效语义分割方法。【方法】首先，在轻量级多... 详细信息

【目的】针对室内场景中的复杂光照、多样化的材质以及空间结构，现有的rgbd语义分割算法未能充分利用深度图像提供的形状信息，且计算成本高等问题，提出一种基于SwiftNet面向室内rgbd场景高效语义分割方法。【方法】首先，在轻量级多尺度道路RGB场景语义分割算法(SwiftNet)中引入深度图像，通过利用深度图像的颜色稳定性和其为每个像素提供的到相机的距离信息，能够降低光线、颜色和距离等因素对分割结果的影响；然后，针对深度图像的几何形状特征进行专门提取，把深度特征分解为位置分量和形状分量，同时引入两个可学习权重以独立地与它们协作，再对这两个分量的重新加权组合应用卷积获取深度数据中固有的几何形状信息，不会在推理阶段引入计算和内存增加；最后，为了更快地捕捉更丰富的上下文信息，改进深度聚合金字塔池化模块使其并行提取上下文信息，称为快速聚合金字塔池化模块(FAPPM)。【结果】通过在公共室内数据集NYUv2和SUNrgbd上的评估实验。结果表明，相较于当前表现良好的ESANet模型，在两数据集上分别获得的2.21%和3.2%的MIoU提升，同时能够达到33.36的FPS。【结论】验证了该算法在处理复杂的室内环境语义分割中展现出的高效与准确性，为室内应用的后续智能机器人任务提供了良好的支持。

关键词： rgbd语义分割形状感知卷积室内场景特征融合深度学习

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于多模态区域特征融合的rgbd道路环境分割方法研究

基于多模态区域特征融合的RGBD道路环境分割方法研究

引用

作者：崔宴朝南京理工大学

学位级别：硕士

随着智能机器人观测流不断增多,如照相机、激光雷达、超声波传感器、GPS装置和/或惯性传感器等,为了取得更好的性能,越来越多的研究人员尝试将不同传感器之间的信息融合,在深度学习理论框架下的多模态数据融合方法仍然是个开放的问题。... 详细信息

随着智能机器人观测流不断增多,如照相机、激光雷达、超声波传感器、GPS装置和/或惯性传感器等,为了取得更好的性能,越来越多的研究人员尝试将不同传感器之间的信息融合,在深度学习理论框架下的多模态数据融合方法仍然是个开放的问题。本文采用图像语义分割技术对道路环境感知技术展开研究,探究组合深度图像信息的rgbd数据融合方式,并针对道路区域实现高精度分割。本文主要的研究内容如下:(1)基于多模态特征交互的rgbd语义分割算法研究。针对rgbd数据多模态融合问题,本文提出了多模态特征交互的rgbd实时语义分割算法,并设计了高效的特征融合模块,其中包括:量化统计模块,完成对两种模态特征的统一描述,建立两种模态区域粗联系;特征交互模块,完成两种模态特征的高效融合。在Cityscapes数据集19个分类的全场景语义分割中,各类别的分割精度均有显著性提高,m Io U达到了78.4%,同时在实时性上FPS达到34.2,与当前主流的实时语义分割算法性能相当。实验结果表明,本文设计的特征融合模块能够提升网络分割性能。(2)基于多种先验信息融合的道路区域分割算法研究。在完成上述全场景多模态语义分割的基础上,进一步针对道路场景中的道路区域进行有效分割,提出了三种融合先验信息的道路分割算法,分别基于视差信息,表面法向量信息,以及超像素聚类特征,来进一步提升网络性能。其主要思想是通过学习深度图像和彩色图像中道路区域的先验信息,并将其应用至特征融合网络,以达到性能的提升,其中视差信息和表面法向量信息部署在数据输入层预处理部分,将原始深度图转换成能够凸显道路特征的图像并输入网络。超像素聚类方法则是通过网络后处理方式,利用彩色图像的超像素分割结果,修正网络的分割结果,得到更细致的分割边界。在KITTI道路数据集和Cityscapes数据集上的实验结果表明,本文设计的三种基于先验信息融合的方法能够更好的利用图像中的道路特征,能够提升道路区域分割性能。

关键词： rgbd语义分割多模态融合卷积神经网络道路先验信息融合

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

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

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：