检索结果-南通市图书馆

基于swin transformer网络的肺结核影像自动分类效果评价

在线全文

学校读者我要写书评

暂无评论

中国医疗设备 2022年第8期37卷 25-31,65页

作者：刘学思聂瑞张和华杨利段傲文陆军军医大学大坪医院医学工程科重庆400042

目的为了探究swin transformer(swinT)网络较Vision transformer(ViT)、ConvNeXt网络及VggNet网络在肺结核X线影像的分类方向上的优越性。方法利用蒙哥马利和深圳医院的肺结核公共数据集形成混合数据集,扩增至3940张,按照60∶20∶20的... 详细信息

目的为了探究swin transformer(swinT)网络较Vision transformer(ViT)、ConvNeXt网络及VggNet网络在肺结核X线影像的分类方向上的优越性。方法利用蒙哥马利和深圳医院的肺结核公共数据集形成混合数据集,扩增至3940张,按照60∶20∶20的比例随机生成训练集、验证集和测试集,利用迁移学习加微调(Fine-tune)的模式先训练VggNet16、VggNet19网络作为基准,再分别训练swinT、ViT以及ConvNeXt的Base网络和Large网络与之比较,采用准确率、混淆矩阵、受试者工作特征曲线、热力图可视化等方式评价各网络的分类效果。结果swinT-Large网络分类效果最好,准确率达到98.85%,788例测试集中分别有2例假阴性,7例假阳性,热力图注意力主要集中在肺部,特征提取最为准确。结论swinT网络在肺结核影像分类任务中表现出色,可以作为除传统深度学习卷积神经网络外的新方法应用于肺结核影像的辅助诊断,降低肺结核的漏诊率。

关键词：深度学习肺结核分类热力图可视化 swin transformer网络

基于CNN-swin transformer Network的LPI雷达信号识别

在线全文

学校读者我要写书评

暂无评论

现代雷达 2024年第3期46卷 59-65页

作者：苏琮智杨承志邴雨晨吴宏超邓力洪空军航空大学航空作战勤务学院吉林长春130022 解放军94891部队江苏苏州215159

针对在低信噪比(SNR)条件下,低截获概率雷达信号调制方式识别准确率低的问题,提出一种基于transformer和卷积神经网络(CNN)的雷达信号识别方法。首先,引入swin transformer模型并在模型前端设计CNN特征提取层构建了CNN+swin Transforme... 详细信息

针对在低信噪比(SNR)条件下,低截获概率雷达信号调制方式识别准确率低的问题,提出一种基于transformer和卷积神经网络(CNN)的雷达信号识别方法。首先,引入swin transformer模型并在模型前端设计CNN特征提取层构建了CNN+swin transformer网络(CSTN),然后利用时频分析获取雷达信号的时频特征,对图像进行预处理后输入CSTN模型进行训练,由网络的底部到顶部不断提取图像更丰富的语义信息,最后通过Softmax分类器对六类不同调制方式信号进行分类识别。仿真实验表明:在SNR为-18 dB时,该方法对六类典型雷达信号的平均识别率达到了94.26%,证明了所提方法的可行性。

关键词：低截获概率雷达信号调制方式识别 swin transformer网络卷积神经网络时频分析

基于改进Mask R-CNN的海参和海星的检测算法

在线全文

学校读者我要写书评

暂无评论

中国计量大学学报 2023年第1期34卷 34-43,50页

作者：胡栩榛严天宏中国计量大学机电工程学院浙江杭州310018

目的:为了提高水下复杂环境下检测海参和海星等水下目标物的鲁棒性。方法:提出了基于改进Mask R-CNN的海参和海星实例分割算法,该算法以Mask R-CNN结构为主框架,将swin transformer主干网络代替Mask R-CNN原本的ResNet卷积神经网络;同... 详细信息

目的:为了提高水下复杂环境下检测海参和海星等水下目标物的鲁棒性。方法:提出了基于改进Mask R-CNN的海参和海星实例分割算法,该算法以Mask R-CNN结构为主框架,将swin transformer主干网络代替Mask R-CNN原本的ResNet卷积神经网络;同时采用Water-Net网络对海参和海星实例数据集进行图像增强;最后采用Soft-NMS的方法替换经典的NMS算法。结果:在本文自己标定的数据集上进行实验,与改进前Mask R-CNN相比,本文算法检测框检测mAP可达到70.6%,提升6.4%;实例分割mAP达到了69.2%,提高了4.7%,并且正确率收敛于97%。结论:与其他主流目标检测算法相比较,本文提出的方法具有更高的检测精度,在水下目标检测任务上更加具有优势。

关键词： swin transformer网络 Soft-NMS算法海参和海星检测海参和海星实例数据集

改进YOLOX Tiny与DeepSort相结合的多目标跟踪算法

在线全文

学校读者我要写书评

暂无评论

西安工业大学学报 2023年第3期43卷 248-259页

作者：叶文韬刘钧李登峰西安工业大学光电工程学院西安710021

针对多目标跟踪时有发生误检、漏检等情况,提出了CSD YOLOX Tiny的多目标跟踪算法。在骨干网络中搭建结合三卷积的跨阶段局部swin transformer Block结构,提升网络模型对全局和上下文信息的捕获能力。在网络中引入组归一化,加快网络模... 详细信息

针对多目标跟踪时有发生误检、漏检等情况,提出了CSD YOLOX Tiny的多目标跟踪算法。在骨干网络中搭建结合三卷积的跨阶段局部swin transformer Block结构,提升网络模型对全局和上下文信息的捕获能力。在网络中引入组归一化,加快网络模型收敛速度并提升跟踪精度;采用坐标注意力机制对不同通道特征之间的相关信息进行有效整合,提升网络模型对感兴趣区域特征的获取能力。实验结果表明:提出的多目标跟踪算法跟踪精度提升了2.36%,达到56.38%。在保证网络模型参数量较少、计算量较小的情况下,提出的跟踪算法较好地改善误检和漏检问题,相比于YOLOX Tiny DeepSort算法误检、漏检数量分别减少了811、1574个,能满足常规设备实时高效的多目标跟踪任务需求。

关键词：多目标跟踪 YOLOX Tiny网络 swin transformer网络组归一化坐标注意力机制 DeepSort算法

维普期刊数据库博看期刊