检索结果-南通市图书馆

一种基于SAM-MSFF网络的低照度目标检测方法

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

电子学报 2024年第1期52卷 81-93页

作者：江泽涛李慧雷晓春朱玲红施道权翟丰硕桂林电子科技大学广西图像图形与智能处理重点实验室广西桂林541004 南昌航空大学江西南昌330063

由于低照度图像具有对比度低、细节丢失严重、噪声大等缺点,现有的目标检测算法对低照度图像的检测效果不理想.为此,本文提出一种结合空间感知注意力机制和多尺度特征融合(Spatial-aware Attention Mechanism and Multi-Scale Feature F... 详细信息

由于低照度图像具有对比度低、细节丢失严重、噪声大等缺点,现有的目标检测算法对低照度图像的检测效果不理想.为此,本文提出一种结合空间感知注意力机制和多尺度特征融合(Spatial-aware Attention Mechanism and Multi-Scale Feature Fusion,SAM-MSFF)的低照度目标检测方法 .该方法首先通过多尺度交互内存金字塔融合多尺度特征,增强低照度图像特征中的有效信息,并设置内存向量存储样本的特征,捕获样本之间的潜在关联性;然后,引入空间感知注意力机制获取特征在空间域的长距离上下文信息和局部信息,从而增强低照度图像中的目标特征,抑制背景信息和噪声的干扰;最后,利用多感受野增强模块扩张特征的感受野,对具有不同感受野的特征进行分组重加权计算,使检测网络根据输入的多尺度信息自适应地调整感受野的大小.在ExDark数据集上进行实验,本文方法的平均精度(mean Average Precision,mAP)达到77.04%,比现有的主流目标检测方法提高2.6%~14.34%.

关键词：低照度图像目标检测空间感知注意力机制多尺度特征融合多感受野增强模块

在线全文

学校读者我要写书评

暂无评论

一种基于双重语义协作网络的图像描述方法

计算机研究与发展 2024年

作者：江泽涛朱文才金鑫廖培期黄景帆广西图像图形智能处理重点实验室(桂林电子科技大学)

CLIP（contrastive language-image pre-training）视觉编码器提取的网格特征作为一种更加靠近文本域的视觉特征，具有易转化为对应语义自然语言的特点，可以缓解语义鸿沟问题，因而未来可能成为图像描述任务中视觉特征的重要来源.但该... 详细信息

CLIP（contrastive language-image pre-training）视觉编码器提取的网格特征作为一种更加靠近文本域的视觉特征，具有易转化为对应语义自然语言的特点，可以缓解语义鸿沟问题，因而未来可能成为图像描述任务中视觉特征的重要来源.但该方法中未考虑图像内容的划分可能使一个完整的目标被划分到若干个网格中，目标被切割势必会导致特征提取结果中缺少对目标信息的完整表达，进而导致生成的描述语句中缺少对目标及目标间关系的准确表述.针对CLIP视觉编码器提取网格特征这一现象，提出一种基于双重语义协作网络（dual semantic collaborative network，DSC-Net）的图像描述方法.具体来说：首先提出双重语义协作自注意力模块（dual semantic collaborative self-attention， DSCS）增强CLIP网格特征对目标信息的表达能力；接着提出双重语义协作交叉注意力模块（dual semantic collaborative cross-attention， DSCC）综合网格和目标2个层面的语义构造与文本相关的视觉特征，进行描述语句预测；最后提出双重语义融合模块（dual semantic fusion， DSF），为上述的2个语义协作模块提供以区域为主导的融合特征，解决在语义协作过程中可能出现的相关性冲突问题.经在COCO数据集上大量实验，提出的模型在Karpathy等人划分的离线测试集上取得了138.5%的CIDEr分数，在官方在线测试中取得了137.6%的CIDEr分数，与目前主流的图像描述方法相比具有显著优势.

关键词：图像描述生成网格特征注意力机制双重语义协作注意力双重语义协作特征融合

基于向量符号架构-域适应网络的低照度图像语义分割方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2024年

作者：江泽涛廖培期黄钦阳黄景帆桂林电子科技大学广西图像图形与智能处理重点实验室

针对语义分割中由于低照度图像光照不足，从而存在图像亮度、对比度、信噪比低等现象，导致低照度图像语义分割难度增大. 提出一种基于向量符号架构(vector symbolic architectures， VSA)-域适应网络的低照度图像语义分割方法. 该方... 详细信息

针对语义分割中由于低照度图像光照不足，从而存在图像亮度、对比度、信噪比低等现象，导致低照度图像语义分割难度增大. 提出一种基于向量符号架构(vector symbolic architectures， VSA)-域适应网络的低照度图像语义分割方法. 该方法首先将基于向量符号架构的图像翻译网络和域适应语义分割网络融合在一起，将正常照度图像翻译为低照度图像，减少域之间的风格差异，从而提高低照度图像的分割精度; 然后在图像翻译网络中提出分层特征映射(layered feature mapping， LFM)模块， LFM模块能更好地将语义分割网络编码器的多层特征向量映射到VSA空间，使翻译图像与低照度图像更相似，进而提高分割网络的分割精度; 最后在域适应语义分割网络中提出跨域稀有类混合(cross domain rare class mixing， CDRCM)方法， CDRCM在域适应的过程中根据低照度图像的伪标签分布情况得到低照度域的稀有类，再在跨域混合时偏向这些稀有类，从而提高低照度域中稀有类的分割精度. 在Cityscapes→Dark Zurich和Cityscapes→ACDC-night上的实验结果表明，文中方法比基线DAFormer在平均交并比上分别提高了8.2个百分点和7.2个百分点，实验结果表明了其有效性.

关键词：低照度图像语义分割域适应跨域稀有类混合分层特征映射向量符号架构

基于聚簇模型重用的概念漂移数据流半监督分类算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

计算机科学 2024年第4期51卷 124-131页

作者：康伟黎利辉文益民广西图像图形与智能处理重点实验室(桂林电子科技大学) 广西桂林541004

带概念漂移的半监督数据流分类任务中,仅有少部分的数据被标记,这给分类器的训练、概念漂移的检测以及分类器对新概念的适应带来了巨大的挑战。现有的半监督聚簇分类算法仅对分类器池中的聚簇模型进行简单的增量更新,未能有效重用历史... 详细信息

带概念漂移的半监督数据流分类任务中,仅有少部分的数据被标记,这给分类器的训练、概念漂移的检测以及分类器对新概念的适应带来了巨大的挑战。现有的半监督聚簇分类算法仅对分类器池中的聚簇模型进行简单的增量更新,未能有效重用历史聚簇模型。因此,文中提出了一种新的聚簇模型重用的半监督分类算法,称为CDCMR。首先,数据流以数据块的形式到来,对数据块分完类后,训练一个簇数自适应确定的聚簇模型。其次,通过计算分类器池中的各组件分类器与聚簇模型之间的相似度,挑选多个组件分类器。再次,用当前数据块对挑选出来的组件分类器进行模型重用后,与聚簇模型集成。然后,将分类器池划分为新旧更替和多样性最大化分类器池进行更新。最后,对下一个数据块的样本进行集成分类。在多个人工和真实数据集上进行实验,结果表明,所提算法1)能有效适应概念漂移,与现有方法相比其性能有显著性提升。

关键词：数据流半监督学习概念漂移聚簇模型重用集成学习

基于外部先验和自先验注意力的图像描述生成方法

在线全文

学校读者我要写书评

暂无评论

计算机科学 2024年第7期51卷 214-220页

作者：李永杰钱艺文益民广西图像图形与智能处理重点实验室(桂林电子科技大学) 广西桂林541004

图像描述是一种结合计算机视觉和自然语言处理的跨模态任务,旨在理解图像内容并生成恰当的句子。现有的图像描述方法通常使用自注意力机制来捕获样本内的长距离依赖关系,但这种方式不仅忽略了样本间的潜在相关性,而且缺乏对先验知识的利... 详细信息

图像描述是一种结合计算机视觉和自然语言处理的跨模态任务,旨在理解图像内容并生成恰当的句子。现有的图像描述方法通常使用自注意力机制来捕获样本内的长距离依赖关系,但这种方式不仅忽略了样本间的潜在相关性,而且缺乏对先验知识的利用,导致生成内容与参考描述存在一定差异。针对上述问题,文中提出了一种基于外部先验和自先验注意力(External Prior and Self-prior Attention, EPSPA)的图像描述方法。其中,外部先验模块能够隐式地考虑到样本间的潜在相关性进而减少来自其他样本的干扰信息。同时,自先验注意力能够充分利用上一层的注意力权重来模拟先验知识,使其指导模型进行特征提取。在公开数据集上使用多种指标对EPSPA进行评估,实验结果表明该方法能够在保持低参数量的前提下表现出优于现有方法的性能。

关键词：图像描述自注意力机制潜在相关性外部先验模块自先验注意力

面向小目标的改进YOLOv5安全帽佩戴检测算法

在线全文

学校读者我要写书评

暂无评论

计算机工程与应用 2024年第3期60卷 78-87页

作者：邓珍荣熊宇旭杨睿陈昱任桂林电子科技大学计算机与信息安全学院广西桂林541004 广西图像图形与智能处理重点实验室广西桂林541004 广西建工大都租赁有限公司南宁530000

安全帽是施工人员的安全保障,但是现有安全帽检测模型在复杂环境下对重叠和密集小目标存在误检和漏检等问题,为此提出改进YOLOv5的小目标检测算法。在YOLOv5的主干网络中加入Transformer捕获多个尺度上的全局信息,获得更丰富的高层语义... 详细信息

安全帽是施工人员的安全保障,但是现有安全帽检测模型在复杂环境下对重叠和密集小目标存在误检和漏检等问题,为此提出改进YOLOv5的小目标检测算法。在YOLOv5的主干网络中加入Transformer捕获多个尺度上的全局信息,获得更丰富的高层语义特征;使用GsConv卷积进行特征融合增强,并引入坐标注意力机制(coordinate attention),让网络在更大区域上进行注意;检测头将分类和回归进行解耦,加快收敛速度;使用无锚点(anchor-free)的检测方法,简化算法结构,加快检测速度;使用EIOU损失函数来优化边框预测的准确度。在自制安全帽数据集上实验结果表明,改进的YOLOv5模型平均精度达到了96.33%,相比于YOLOv5模型,平均精度提高了4.73个百分点,达到了在复杂条件下对重叠和密集小目标检测的要求。

关键词：安全帽检测改进YOLOv5 Transformer 解耦头无锚点(anchor-free)

一种基于局部分类精度的概念漂移数据流分类算法

在线全文

学校读者我要写书评

暂无评论

广西科学 2024年第1期31卷 100-109页

作者：张玲马士伦黎利辉文益民桂林电子科技大学广西图像与图形智能处理重点实验室广西桂林541004

概念漂移数据流分类是一个极具挑战性的问题。当新概念出现时,该概念下的学习样本过少,无法对分类器进行及时调整,进而导致分类精度不高。为了解决该问题,本文提出一种基于局部分类精度的概念漂移数据流分类算法——LA-MS-CDC。第一,LA-... 详细信息

概念漂移数据流分类是一个极具挑战性的问题。当新概念出现时,该概念下的学习样本过少,无法对分类器进行及时调整,进而导致分类精度不高。为了解决该问题,本文提出一种基于局部分类精度的概念漂移数据流分类算法——LA-MS-CDC。第一,LA-MS-CDC将k-means聚类和局部分类精度算法结合,从分类器池中挑选出最优源领域分类器;第二,将最优源领域分类器与目标领域分类器加权集成,进而对样本分类;第三,根据分类样本的真实标签分别计算各分类器的损失,并对目标领域和源领域的分类器权重进行更新;第四,再利用该分类样本对目标领域分类器、最优源领域分类器进行更新;最后,完成分类器池的更新。在公开数据集上的实验结果表明,LA-MS-CDC能够有效地将源领域知识迁移到目标领域,与现有方法相比,其分类效果具有显著性提升。算法代码可在https://***/ymw12345/LAMSCDC上获取。

关键词：概念漂移多源在线迁移学习局部分类精度集成学习多样性

在线全文

学校读者我要写书评

暂无评论

深度网络生成式伪造人脸检测方法研究综述

计算机辅助设计与图形学学报 2024年

作者：杨睿胡心如黄卓超张玉书蓝如师邓珍荣罗笑南南京航空航天大学计算机科学与技术学院桂林电子科技大学广西图像图形智能处理重点实验室桂林电子科技大学南宁研究院桂林电子科技大学计算机与信息安全学院

随着深度网络生成式伪造人脸技术的迅速传播，不法分子通过伪造人脸图像和视频实施电信诈骗等犯罪活动，如何从海量数据中高效、准确地检测出伪造人脸成为研究焦点. 文中从深度网络生成式伪造人脸图像和生成式伪造人脸视频2个领域出发... 详细信息

随着深度网络生成式伪造人脸技术的迅速传播，不法分子通过伪造人脸图像和视频实施电信诈骗等犯罪活动，如何从海量数据中高效、准确地检测出伪造人脸成为研究焦点. 文中从深度网络生成式伪造人脸图像和生成式伪造人脸视频2个领域出发，系统归纳、分析、比较了当前伪造人脸检测方法. 针对伪造人脸图像，从基于数字图像处理基础、深层次特征提取、空间域特征分析、多特征融合分析和指纹检测5个类别详细介绍了检测方法; 并从生理信号、身份信息、多模态和时空不一致4个类别对伪造人脸视频的检测方法进行了探讨. 分析表明目前深度网络生成式伪造人脸检测方法的泛化能力有待提高，在未来的研究中，应当着重提升模型的跨数据集泛化能力、准确性和实用性，从而更好地防范虚假信息传播、保护个人隐私和维护网络安全环境.

关键词：伪造人脸检测生成式伪造人脸人脸图像人脸视频深度网络

GZMH:用于有丝分裂细胞核检测和分割的乳腺癌病理图像数据集

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

中国图象图形学报 2024年第3期29卷 608-619页

作者：汪华登王雪馨黎兵兵刘志鹏许浩潘细朋蓝如师罗笑南广西图像图形与智能处理重点实验室桂林541004 桂林电子科技大学计算机与信息安全学院桂林541004 广东省人民医院赣州医院赣州市立医院病理科赣州341000

目的有丝分裂细胞核计数是乳腺癌诊断和组织学分级的3个重要评分指标之一,基于深度学习的自动检测方法,可以有效辅助医生进行乳腺病理图像有丝分裂细胞核识别和计数。而当前研究中的公开数据集多为竞赛所用,由举办方联合数据提供者挑... 详细信息

目的有丝分裂细胞核计数是乳腺癌诊断和组织学分级的3个重要评分指标之一,基于深度学习的自动检测方法,可以有效辅助医生进行乳腺病理图像有丝分裂细胞核识别和计数。而当前研究中的公开数据集多为竞赛所用,由举办方联合数据提供者挑选而来,与医院临床应用中所使用的数据存在较大的差异,不利于模型性能及泛化能力的测试验证。针对以上问题,本文发布了来自中国赣州市立医院临床环境的数据集GZMH(Ganzhou municipal hospital)。方法整理并公开发布的数据集GZMH包含55幅全视野数字切片(whole slide images, WSIs)临床乳腺癌病理图像,提供了用于有丝分裂细胞核目标检测和语义分割研究的两种标注,并由2名高年资医师对3名初级病理医师的标注进行了复核。5种主流目标检测方法和5种经典分割方法在GZMH数据集上进行了训练和测试,检验它们在临床数据集GZMH上的性能。结果目标检测方法实验结果比较中,SSD(single shot multibox detector)模型取得了最佳的效果,F1分数为0.511;分割方法实验结果比较中,R2U-Net(recurrent rsidual convolutional neural network based on U-Net)性能最佳,F1分数为0.430。所有方法在面对较大规模的临床数据集GZMH时体现的性能都明显低于它们在一些公开数据集上的性能。结论本文所提出的GZMH数据集能够用于有丝分裂目标检测与语义分割研究任务,且此数据集中的图像更加接近实际的应用场景,在推动乳腺病理图像有丝分裂细胞核分割的研究和临床应用方面具有较大的价值。数据集的在线发布地址为:https://***/10.57760/sciencedb.08547。

关键词：乳腺癌病理图像有丝分裂细胞核目标检测语义分割数据集