检索结果-南通市图书馆

基于特征注意力金字塔的遥感图像目标检测方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

遥感学报 2023年第2期27卷 492-501页

作者：汪西莉梁正印刘涛陕西师范大学计算机科学学院西安710119

遥感图像场景复杂、目标大小不一、分布不均衡等特点增加了目标检测的难度,而适于检测不同尺度目标的特征金字塔融合不同深度的特征图时,没有考虑特征图各自的重要性,没有强调目标区域的特征,为此本文提出基于特征注意力金字塔的遥感图... 详细信息

遥感图像场景复杂、目标大小不一、分布不均衡等特点增加了目标检测的难度,而适于检测不同尺度目标的特征金字塔融合不同深度的特征图时,没有考虑特征图各自的重要性,没有强调目标区域的特征,为此本文提出基于特征注意力金字塔的遥感图像目标检测方法 FAPNet(Feature Attention Pyramid Network)。首先,使用通道拼接方式融合不同深度的特征图,给用于检测的特征图提供不同大小感受野的特征,并基于通道注意力对融合的特征图在通道维度重标定,根据特征图所负责检测目标的尺度自适应地调整不同大小感受野特征的权重,强化感受野大小与待检测目标尺度匹配度较高的特征,弱化匹配度较低的特征。其次,使用叠加的扩张空间金字塔池化结构,结合弱监督分割网络建模位置注意力,强化目标区域特征,弱化背景区域特征,进一步提升目标检测方法的性能。实验结果表明,相较于RetinaNet,针对汽车目标,所提方法在UCAS-AOD数据集和RSOD数据集上检测精度AP分别提升了3.41%和2.26%,针对多类目标所提方法在各目标上取得了较优的AP结果,且mAP结果优于其他比较方法。

关键词：遥感图像目标检测弱监督分割注意力机制特征金字塔

SOSNet:一种非对称编码器-解码器结构的非小细胞肺癌CT图像分割模型

在线全文

学校读者我要写书评

暂无评论

电子学报 2024年第3期52卷 824-837页

作者：谢娟英张凯云陕西师范大学计算机科学学院陕西西安710119

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks... 详细信息

非小细胞肺癌严重损害人类健康,早期非小细胞肺癌CT(Computed Tomography)图像中的肿瘤结节体积小,不易发现,极易造成漏诊和误诊.为了精确分割非小细胞肺癌CT图像中的小体积肿瘤结节,本文提出SOSNet(Small Object Segmentation Networks)自动分割模型,利用ResNet(Residual Network)基础层和空洞卷积构造非对称编码器-解码器结构作为分割主网络,利用轴向取反注意力模块ARA(Axial Reverse Attention)逐步擦除背景中对分割有影响的结构,再使用结构细化模块SR(Structure Refinement)对主网络输出的粗略特征图进行结构细化,从而实现非小细胞肺癌肿瘤结节分割.在非小细胞肺癌公开数据集的实验测试表明,本文提出的小目标自动分割模型SOSNet可以有效分割出非小细胞肺癌CT图像中的小体积肿瘤结节,其mDice(mean-Dice)、mIoU(mean Intersection over Union)、Sensitivity、F1、Specificity、平均绝对误差MAE(Mean Absolute Error)均优于当前最先进的小目标分割模型CaraNet(Context Axial Reverse Attention Network).

关键词：小目标分割非小细胞肺癌非对称编码器-解码器结构细化轴向取反注意力 CT图像深度学习卷积

结合超分辨率和域适应的遥感图像语义分割方法

在线全文

学校读者我要写书评

暂无评论

计算机学报 2022年第12期45卷 2619-2636页

作者：梁敏汪西莉陕西师范大学计算机科学学院西安710119

基于卷积神经网络的图像语义分割方法依赖于有真实标签的监督学习,但不能很好地推广到来源不同的无标签数据集中,目前无监督域适应给出了解决无标签目标域数据和有标签源域数据特征分布不一致的思路.但是在遥感图像处理领域,当源域和目... 详细信息

基于卷积神经网络的图像语义分割方法依赖于有真实标签的监督学习,但不能很好地推广到来源不同的无标签数据集中,目前无监督域适应给出了解决无标签目标域数据和有标签源域数据特征分布不一致的思路.但是在遥感图像处理领域,当源域和目标域的空间分辨率不相同时,无监督域适应方法应用效果不佳.本文结合图像超分辨率设计了一个新的端到端语义分割深度网络——结合超分辨率和域适应的语义分割模型(Semantic Segmentation Model Combining Super Resolution and Domain Adaption,SSM-SRDA),它可以缩小低分辨率源域和高分辨率目标域遥感图像的空间分辨率差异和特征分布差异,并完成无监督超分辨率和域适应语义分割任务.SSM-SRDA模型包括三个部分:结合超分辨率的语义分割网络,将低分辨率的源域图像通过超分辨率模块生成带有目标域风格的高分辨率图像,缩小空间分辨率差异的同时帮助特征提取网络学习域不变特征,并通过特征相似性FA-Loss模块增强语义分割深层网络高分辨率特征的细节结构信息;像素级域判别器,用来缩小超分辨后源域和目标域间的像素级特征差异;输出空间域判别器,在SoftMax输出空间中缩小特征差异.通过语义分割网络和两个判别器的对抗性学习,SSM-SRDA在分割模块的输入和输出级对齐源域与目标域的特征分布,通过域适应迁移应用于不同源的目标域数据分割,得到能够应用于实际且推广性更强的模型.实验在四组遥感图像数据集上证明SSM-SRDA优于现有的域适应语义分割方法,在平均交并比上分别提高了0.7%、1.7%、2.2%和3.3%.

关键词：域适应遥感图像语义分割超分辨率对抗学习

在线全文

学校读者我要写书评

暂无评论

分布式数据集极差与极值和的保密计算

软件学报 2023年第11期34卷 5408-5423页

作者：李顺东家珠亮赵雪玲陕西师范大学计算机科学学院陕西西安710119

随着信息通信技术的不断突破与发展,信息获取变得非常便利.与此同时,隐私信息也更容易泄露.将智能领域与安全多方计算技术相结合,有望解决隐私保护问题.目前,安全多方计算已经解决了许多不同隐私保护问题,但还有更多的问题等待人们去解... 详细信息

随着信息通信技术的不断突破与发展,信息获取变得非常便利.与此同时,隐私信息也更容易泄露.将智能领域与安全多方计算技术相结合,有望解决隐私保护问题.目前,安全多方计算已经解决了许多不同隐私保护问题,但还有更多的问题等待人们去解决.对于极差、极值和的安全多方计算问题目前研究的结果很少,极差、极值和作为统计学的常用工具在实际中有广泛的应用,研究极差、极值和的保密计算具有重要意义.提出新编码方法,用新编码方法解决了两种不同的安全多方计算问题,一是极差的保密计算问题,二是极值和的保密计算问题.新编码方法结合Lifted ElGamal门限密码系统,设计多方参与、每方拥有一个数据场景下分布式隐私数据集极差的保密计算协议;将新编码方法稍作改动解决相同场景下保密计算极值和的问题.以此为基础,对新编码方法进一步修改,结合Paillier密码系统设计了两方参与、每方拥有多个数据情况下分布式隐私数据集极差、极值和的保密计算协议.用模拟范例方法证明协议在半诚实模型下的安全性.最后,用模拟实验测试协议的复杂性.效率分析和实验结果表明所提协议简单高效,可广泛用于实际应用中,是解决其他很多安全多方计算问题的重要工具.

关键词：安全多方计算两方保密计算编码方法极差极值和

在线全文

学校读者我要写书评

暂无评论

集合交集元素和的保密计算

电子学报 2023年第1期51卷 86-92页

作者：李顺东赵雪玲家珠亮陕西师范大学计算机科学学院陕西西安710119

安全多方计算作为密码学的重要分支,长期以来主要致力于解决两方或多方参与者隐私数据的联合计算.集合交集元素和的隐私计算作为安全多方计算中的科学计算问题,在保密计算广告转化率中具有重要作用.我们利用保密替换和加密选择求集合的... 详细信息

安全多方计算作为密码学的重要分支,长期以来主要致力于解决两方或多方参与者隐私数据的联合计算.集合交集元素和的隐私计算作为安全多方计算中的科学计算问题,在保密计算广告转化率中具有重要作用.我们利用保密替换和加密选择求集合的交集,结合Lifted ElGamal加密算法,研究了不同限制下(数据范围较小和数据范围较大)集合交集元素和多方保密计算.本文方案解决两方计算时,Bob只需从Alice发送的数据中选择数据,避免了复杂的模指数运算,且双方不需多次交互,降低了计算成本和通信次数.多方参与计算时,根据加密选择和保密替换的性质,得到集合交集的密文,然后在密文上计算得到集合交集元素的和.通过理论分析和实验证明,本文协议是高效的.最后利用模拟范例证明本文协议是安全的.

关键词：安全多方计算集合交集元素的和概率加密加密选择保密替换

在线全文

学校读者我要写书评

暂无评论

保密计算交集对应元素和的最大值

电子学报 2023年第7期51卷 1835-1841页

作者：马秀莲张倦倦李顺东陕西师范大学计算机科学学院陕西西安710119

安全多方计算是国际密码学的研究热点之一,隐私集合问题是安全多方计算的重要研究方向.本文提出了一个新的安全多方计算问题:Alice和Bob分别拥有集合X={(vi,xi)}_(i=1)^(l_(1))和Y={(w_(j),y_(j))}_(j=1)^(l_(2)),他们想要保密计算v_(i)... 详细信息

安全多方计算是国际密码学的研究热点之一,隐私集合问题是安全多方计算的重要研究方向.本文提出了一个新的安全多方计算问题:Alice和Bob分别拥有集合X={(vi,xi)}_(i=1)^(l_(1))和Y={(w_(j),y_(j))}_(j=1)^(l_(2)),他们想要保密计算v_(i)=w_(j)时的最大值max(x_(i)+y_(j)).该问题在教育、网购等领域具有重要的理论和现实意义.针对这个问题,我们在半诚实模型下提出了两个安全协议.第一个协议基于编码方法和保密移位思想,适用于元组中元素数据范围已知的情况.第二个协议利用Paillier密码算法和添加假元素的方法,适用于元素数据范围未知的情况.最后,我们使用公认的模拟范式证明了两个协议是安全的.

关键词：密码学安全多方计算和的最大值同态加密模拟范例

基于可辨识矩阵的完全自适应2D特征选择算法

在线全文

学校读者我要写书评

暂无评论

软件学报 2022年第4期33卷 1338-1353页

作者：谢娟英吴肇中陕西师范大学计算机科学学院陕西西安710119

针对基于信息增益与皮尔森相关系数的特征选择算法FSIP(feature selection based on information gain and Pearson correlation coefficient)存在的特征子集选取需要人工参与的问题,提出基于可辨识矩阵的完全自适应2D特征选择算法DFSIP... 详细信息

针对基于信息增益与皮尔森相关系数的特征选择算法FSIP(feature selection based on information gain and Pearson correlation coefficient)存在的特征子集选取需要人工参与的问题,提出基于可辨识矩阵的完全自适应2D特征选择算法DFSIP(discernibility based FSIP).DFSIP算法完全自适应地发现特征子集,每次选择当前特征中最重要的一个特征,并以此特征约简可辨识矩阵,剔除冗余特征,最终自适应地获得最优特征子集.依据最优特征子集构建K-ELM分类器来评价最优特征子集的类别辨识能力.在基因数据集的实验测试以及与FSIP,mRMR,LLE Score,DRJMIM,AVC,AMID算法的实验比较和统计重要性检测表明:DFSIP算法能够自动选择出辨识能力更强的特征子集,基于此特征子集的分类器具有很好的分类性能.

关键词：可辨识矩阵特征辨识度特征独立性特征选择信息增益皮尔森相关系数

在线全文

学校读者我要写书评

暂无评论

特征增强的单阶段遥感图像目标检测模型

西安电子科技大学学报 2022年第3期49卷 160-170页

作者：汪西莉梁敏刘涛陕西师范大学计算机科学学院陕西西安710119

随着卷积神经网络的发展,遥感图像目标检测性能提升明显,但场景的复杂性和目标大小、形态的多样性依然对目标检测带来挑战。针对复杂情况下不同大小目标的检测问题进行研究。特征金字塔结构是解决不同大小目标检测的有效方法,但其逐层... 详细信息

随着卷积神经网络的发展,遥感图像目标检测性能提升明显,但场景的复杂性和目标大小、形态的多样性依然对目标检测带来挑战。针对复杂情况下不同大小目标的检测问题进行研究。特征金字塔结构是解决不同大小目标检测的有效方法,但其逐层传递特征的方式可能产生特征丢失问题,故提出跳跃连接特征金字塔模块来增强特征金字塔结构中各层特征的语义和细节信息。同时,使用位置注意力强化目标区域特征是提升目标检出率的有效方法,并有助于复杂场景下目标的检测,但现有的位置注意力往往同时强化了不精确的预测结果,对最终预测结果产生干扰。为此提出基于锚框的位置注意力模块,强化更可能产生精确预测结果的特征区域。将跳跃连接特征金字塔模块和基于锚框的位置注意力模块嵌入到RetinaNet模型中,形成端到端的特征增强的单阶段遥感图像目标检测模型FENet(Feature Enhanced Network)。针对复杂的遥感影像目标检测进行实验,在UCAS-AOD数据集上FENet模型mAP比FAN(Face Attention Network)高1.78%,在RSOD数据集上比FAN模型提升了1.48%,且超越了其他先进模型。此外,FENet在单块Titan X GPU上对800×800图像的测试时间是0.058 s。实验结果表明,与同类模型相比,所提模型增强了目标的特征提取能力,进而提升了检测性能。

关键词：遥感图像特征金字塔位置注意力锚框单阶段目标检测

在线全文

学校读者我要写书评

暂无评论

CARFB：即插即用的目标检测模块

计算机科学与探索 2024年

作者：杨梅君姚若侠谢娟英陕西师范大学计算机科学学院

针对坐标注意力CA（Coordinate Attention）在水平和垂直方向特征的平均池化可能丢失目标显著特征，以及使用二维普通卷积对小目标特征学习不足的情况，提出了CARFB（Coordinate Attention and Receptive Field Block）模块。该模块将C... 详细信息

针对坐标注意力CA（Coordinate Attention）在水平和垂直方向特征的平均池化可能丢失目标显著特征，以及使用二维普通卷积对小目标特征学习不足的情况，提出了CARFB（Coordinate Attention and Receptive Field Block）模块。该模块将CA的平均池化修改为平均+最大池化，以保留输入特征在水平和垂直方向的显著和细节信息；利用RFB（Receptive Field Block）具有不同大小感受野的优势，在水平和垂直方向分别使用RFB模块代替CA的融合特征统一卷积，以同时提取不同大小目标的特征；引入包含不同大小卷积核和步长的CBS（Convolution + Batch Normalization + SiLU）模块，替换CA的二维普通卷积，进一步提取水平和垂直方向的特征，得到重新加权的输出特征。CARFB模块在水平和垂直方向保存目标位置信息，利用不同感受野提取不同大小目标的强辨别性特征，从而具有更强的特征学习能力。为了验证提出的即插即用模块CARFB的性能，首先将其嵌入ObjectBox目标检测框架，得到ObjectBox-CARFB模型；其次用CARFB模块替换RFB net中的RFB模块，得到CARFB net目标检测模型。MS COCO数据集的实验测试表明，ObjectBox-CARFB模型的性能全面提升，尤其对小目标的检测性能提升突出；PASCAL VOC和MS COCO数据集的实验结果表明，CARFB net300和CARFB net512的目标检测能力分别优于原始RFB net300和RFB net512模型，并优于其他同系列对比模型。提出的CARFB模块具有更强特征学习能力，对不同尺度目标均能取得较好检测效果，特别是在小目标检测方面，效果提升显著。提出的CARFB模块可以嵌入到任何一个卷积神经网络，能保存更多目标信息，具有更强特征学习能力，提升网络性能，对不同尺度目标均能取得较好检测效果，尤其对小目标的检测效果提升显著。

关键词：目标检测 RFB 坐标注意力小目标深度学习