改进一维卷积神经网络的航空发动机故障诊断方法 被引量：8

1

作者 伍济钢 文港 杨康 《电子测量与仪器学报》 CSCD 北大核心 2023年第3期179-186,共8页

针对现有航空发动机故障诊断的1DCNN方法缺乏故障频率多尺度特征提取能力以及对原始振动信号时域特征提取不足的问题,通过融合内嵌多尺度层到双通道1DCNN提出了改进1DCNN的航空发动故障诊断方法。提出了幅值变化速率的方法对振动信号进... 针对现有航空发动机故障诊断的1DCNN方法缺乏故障频率多尺度特征提取能力以及对原始振动信号时域特征提取不足的问题,通过融合内嵌多尺度层到双通道1DCNN提出了改进1DCNN的航空发动故障诊断方法。提出了幅值变化速率的方法对振动信号进行时域特征增强,在单通道1DCNN基础上增加幅值变化通道作为第二通道,构建双通道1DCNN,加强1DCNN的时域特征提取能力,再改进多尺度模块为内嵌多尺度层并应用于1DCNN的第一通道,针对航空发动机故障频率域的多尺度特征进行提取。最后将改进1DCNN应用于航空发动机转静碰摩、叶片断裂等故障的诊断,通过对比实验证明了改进1DCNN检测的优越性、抗噪性、泛化性以及改进点的可行性。 展开更多

关键词 一维卷积神经网络 多尺度模块 航空发动机 故障诊断

下载PDF 职称材料

改进RCF算法的电缆绝缘层边缘检测 被引量：6

2

作者 翁玉尚 肖金球 +1 位作者 汪俞成 焦文开 《光学技术》 CAS CSCD 北大核心 2022年第1期86-92,共7页

目前电缆绝缘层厚度检测算法主要采用图像处理技术提取出绝缘层的边缘轮廓,此类算法存在绝缘层边缘过宽和边缘不连续等问题,影响了后续的检测精度。为提高绝缘层测量精度,新算法基于RCF算法进行改进,在模型的4、5阶段采用空洞卷积,增大... 目前电缆绝缘层厚度检测算法主要采用图像处理技术提取出绝缘层的边缘轮廓,此类算法存在绝缘层边缘过宽和边缘不连续等问题,影响了后续的检测精度。为提高绝缘层测量精度,新算法基于RCF算法进行改进,在模型的4、5阶段采用空洞卷积,增大模型的感受野;并在侧输出网络加入尺度增强模块(SEM模块)和由浅到深的级联网络,增加侧输出图像的细节信息。通过自制的电缆绝缘层数据集对模型进行训练,结果表明改进后的模型在数据集最优尺度(ODS)和单张图片最优尺度(OIS)分别为0.821和0.842,平均精度为0.799,算法相较于RCF模型ODS和OIS分别提高了0.008和0.01,检测精度提升了0.021。并在伯克利大学数据集(BSD500)数据集上对模型的性能进一步验证,其中ODS和OIS分别为0.810和0.825,所提算法相较于RCF模型ODS和OIS分别提高了0.009和0.006。 展开更多

关键词 电缆绝缘层边缘检测 深度学习 空洞卷积 多尺度模块 级联网络

原文传递

面向真实图像噪声的两阶段盲去噪 被引量：1

3

作者 丁岳皓 吴昊 +2 位作者 孔凤玲 徐丹 袁国武 《中国图象图形学报》 CSCD 北大核心 2023年第7期2026-2036,共11页

目的现有的深度图像去噪算法在去除加性高斯噪声上效果显著,但在去除任意分布的真实图像噪声时表现不佳;去噪模型的深度在不断增加,但去噪效果上却并未能显著提高。对此,设计了一种简单有效的两阶段深度图像去噪算法。方法首先基于注意... 目的现有的深度图像去噪算法在去除加性高斯噪声上效果显著,但在去除任意分布的真实图像噪声时表现不佳;去噪模型的深度在不断增加,但去噪效果上却并未能显著提高。对此,设计了一种简单有效的两阶段深度图像去噪算法。方法首先基于注意力机制估计真实图像上的噪声分布水平,然后使用一个混合膨胀卷积和普通卷积的多尺度去噪模块进行非盲降噪。结果在DND(darmstadt noise dataset)、SIDD(smartphone image denoising dataset)、Nam和PolyU(the Hong Kong Polytechnic University)等4个图像去噪领域常用数据集上进行去噪实验,选择峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structual similarity,SSIM)作为去噪效果的评价指标,得到的平均PSNR值分别为39.23 dB,38.54 dB,40.45 dB,37.34 dB,并与几种传统去噪方法和基于深度学习的去噪方法进行比较。实验结果表明,本文的去噪算法在去噪效果和视觉质量上有明显提升。同时,在SIDD数据集上进行消融实验以验证算法中模块的有效性。结论本文算法使用的跳跃连接、噪声水平估计以及多尺度模块均可以有效提升真实图像去噪效果。与现有方法相比,本文算法不仅能有效去除真实图像噪声,而且能通过简单的模块参数设置控制去噪网络的计算效率。 展开更多

关键词 深度学习 真实图像去噪 注意力机制 噪声水平估计 多尺度模块

原文传递

基于改进的CRAFT的光学字符分割算法

4

作者 冼咏炘 彭绍湖 朱珊珊 《电脑与电信》 2023年第12期11-17,共7页

现有的场景文字检测算法存在特征能力提取不足和无法适应场景文本大小变化多端的问题。针对这些不足,对CRAFT算法进行改进,把原本的VGG16_bn特征提取网络替换成ESPANet网络,使网络能够适应文字的大小变化,同时加入一种融合注意力机制让... 现有的场景文字检测算法存在特征能力提取不足和无法适应场景文本大小变化多端的问题。针对这些不足,对CRAFT算法进行改进,把原本的VGG16_bn特征提取网络替换成ESPANet网络,使网络能够适应文字的大小变化,同时加入一种融合注意力机制让网络学习到空间和位置上的权重,达到增强重要特征、抑制无用特征的效果,从而提升在不同场景下字符的分割质量和分割能力。在ICDAR2013和ICDAR2015两个数据集上进行验证,实验结果表明改进之后的算法在准确率、召回率以及调和平均数三个指标都表现优异,更优于原CRAFT算法及其他文字检测算法。 展开更多

关键词 文字分割 深度学习 CRAFT算法 融合注意力机制 多尺度模块

下载PDF 职称材料

基于图像语义分割的半监督裂纹检测方法 被引量：3

5

作者 刘培 黄雅平 《激光与光电子学进展》 CSCD 北大核心 2021年第6期309-320,共12页

基于深度学习的裂纹检测方法严重依赖大量的像素级标注信息,为此提出一种基于半监督学习的裂纹检测方法。该方法将多尺度模块引入到裂纹检测的网络模型中,仅利用小部分的像素级标注数据进行全监督训练。对于无标签数据,融合多种显著性... 基于深度学习的裂纹检测方法严重依赖大量的像素级标注信息,为此提出一种基于半监督学习的裂纹检测方法。该方法将多尺度模块引入到裂纹检测的网络模型中,仅利用小部分的像素级标注数据进行全监督训练。对于无标签数据,融合多种显著性区域检测方法生成伪标签,可以减少对像素级标注信息的依赖。在裂纹数据集上对改进网络进行实验验证,并与常用语义分割网络和弱监督实验基准从主观评价、精度、召回率和F1-score的角度进行比较。实验结果表明,改进网络可以有效提升裂纹的识别准确率,提出的半监督训练策略在仅需6.25%像素级标注信息的情况下,能够取得与全监督方法相当的识别精度和召回率。 展开更多

关键词 机器视觉 裂纹检测 语义分割 多尺度模块 半监督

原文传递

基于多尺度的Yolov3目标检测算法的改进

6

作者 白佳乐 樊永生 《中北大学学报（自然科学版）》 CAS 2022年第3期229-235,253,共8页

在深度学习算法中,Yolov3目标检测算法检测速率高,实时性强,但检测精度低.本文在Yolov3算法的基础上,引入Res2Net多尺度模块,有效增加了特征层的感受野范围,增强了特征提取能力;在预测框回归时,引入CIoU交并比算法,通过在损失函数中加... 在深度学习算法中,Yolov3目标检测算法检测速率高,实时性强,但检测精度低.本文在Yolov3算法的基础上,引入Res2Net多尺度模块,有效增加了特征层的感受野范围,增强了特征提取能力;在预测框回归时,引入CIoU交并比算法,通过在损失函数中加入新的惩罚因子,提高了目标框回归精度;在训练过程中引入随机擦除数据增强策略,在整个图像和每个对象边界框中选取擦除区域,之后选取随机像素值对所选区域进行覆盖,提升了模型的泛化能力.选取PASCAL VOC 2012数据集作为本文的数据集,与主流目标检测算法进行对比.实验结果表明:改进后不同种类的AP值与之前的Yolov3算法相比均得到了提升,改进后算法的mAP比原算法提升了3.4%,而且消融实验进一步证明了改进部分的合理性与有效性.本文对特征网络结构与预测框回归部分的改进,有效提高了Yolov3目标检测算法的检测精度. 展开更多

关键词 目标检测 Yolov3算法 多尺度模块 交并比 数据增强

下载PDF 职称材料

基于多尺度注意力机制的单幅图像超分辨率重建

7

作者 阿火黄军 严华 《现代计算机》 2024年第8期56-61,共6页

近年来,深度卷积神经网络(CNN)在单幅图像超分辨率重建中取得了明显的进展。在此基础上,提出了一个校准多尺度通道空间注意网络(CMCSAN)。CMCSAN由两个关键模块组成:校准多尺度模块(CMSM)和通道空间注意模块(CSAM)。CMSM从不同尺度提取... 近年来,深度卷积神经网络(CNN)在单幅图像超分辨率重建中取得了明显的进展。在此基础上,提出了一个校准多尺度通道空间注意网络(CMCSAN)。CMCSAN由两个关键模块组成:校准多尺度模块(CMSM)和通道空间注意模块(CSAM)。CMSM从不同尺度提取特征信息,自适应调整信息特征;CSAM模块可以自动鉴别不同通道的特征信息,有效调整空间的位置权重。实验结果表明,CMCSAN显著增强了挖掘中间特征信息的能力,在单幅图像超分辨率重建中表现出良好的性能。 展开更多

关键词 单幅图像 校准多尺度模块 通道空间注意模块 超分辨率重建

下载PDF 职称材料

一种基于DCGAN的多级多尺度遥感影像时空融合方法

8

作者 刘昱岑 普运伟 +2 位作者 聂聆聪 王飞 李奇 《遥感信息》 CSCD 北大核心 2024年第2期87-94,共8页

时空融合可生成具有高时空分辨率的遥感数据影像,但有时因某区域快速发生变化或云层持续覆盖造成的云干扰,导致时空融合方法无法预测出近似真实的影像数据。针对以上问题,提出一种基于DCGAN的多级多尺度的时空融合模型(MUSTFGAN),通过... 时空融合可生成具有高时空分辨率的遥感数据影像,但有时因某区域快速发生变化或云层持续覆盖造成的云干扰,导致时空融合方法无法预测出近似真实的影像数据。针对以上问题,提出一种基于DCGAN的多级多尺度的时空融合模型(MUSTFGAN),通过生成器提取特征和判别器判别,最终获得高精度的预测影像。该方法在生成器中利用多级多尺度提取特征信息帮助模型对影像区域细节信息学习,提高模型对于不同尺度物体的识别和检测能力,从而提升特征提取的效果;判别器中加入自注意力机制模块,提高模型的判别能力,从而提高模型的性能和鲁棒性,并利用多损失函数计算影像精度,重建高质量的高空间和高时间分辨率遥感影像,提高了特征学习能力,具有很强的泛化性。使用两种数据集对该方法进行测试,并通过6种常见评估指标与4种经典的时空融合方法进行比较。实验结果表明:MUSTFGAN在云南滇池数据集上精度提升了14.75%,指标LBP和Edge分别提升了20.78%和14.18%;指标SAM降低了11%;指标SSIM、RMSE和MAE分别达到了90.43%、0.0215和0.0163;在区域产生云干扰的情况下,可以较好地预测地物的变化,进一步提高时空融合的准确性,填补大量云的遮挡,减少云污染造成的影响,证实了所提方法的可行性和有效性。 展开更多

关键词 时空融合 DCGAN 多级多尺度模块 自注意力机制 云干扰

下载PDF 职称材料

基于多尺度融合模块和特征增强的杂草检测方法 被引量：15

9

作者 亢洁 刘港 郭国法 《农业机械学报》 EI CAS CSCD 北大核心 2022年第4期254-260,共7页

针对单步多框检测器(Single shot multibox detector,SSD)网络模型参数多、小目标检测效果差、作物与杂草检测精度低等问题,提出一种基于多尺度融合模块和特征增强的杂草检测方法。首先将轻量网络MobileNet作为SSD模型的特征提取网络,... 针对单步多框检测器(Single shot multibox detector,SSD)网络模型参数多、小目标检测效果差、作物与杂草检测精度低等问题,提出一种基于多尺度融合模块和特征增强的杂草检测方法。首先将轻量网络MobileNet作为SSD模型的特征提取网络,并设计了一种多尺度融合模块,将浅层特征图先通过通道注意力机制增强图像中的关键信息,再将特征图经过不同膨胀系数的扩张卷积扩大感受野,最后将两条分支进行特征融合,对于检测小目标的浅层特征图,在包含较多小目标细节信息的同时,还包含丰富的语义信息。在此基础上对输出的6个特征图经过通道注意力机制进行特征增强。实验结果表明,本文提出的基于多尺度融合模块和特征增强的杂草检测模型,在自然环境下甜菜与杂草图像数据集中,平均检测精度可达88.84%,较标准SSD模型提高了3.23个百分点,参数量减少57.09%,检测速度提高88.44%,同时模型对小目标作物与杂草以及叶片交叠情况的检测能力均有提高。 展开更多

关键词 杂草检测 SSD网络 多尺度融合模块 通道注意力机制

下载PDF 职称材料

融合多尺度Transformer的皮肤病变分割算法 被引量：1

10

作者 梁礼明 周珑颂 +1 位作者 尹江 盛校棋 《吉林大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第4期1086-1098,共13页

针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角... 针对现有皮肤病变图像分割时缺乏多尺度特征提取,从而导致细节信息缺失和病变区域误分割的问题,本文提出一种融合多尺度Transformer的编解码网络皮肤病变分割算法。首先运用Transformer模块构建分层编码器,分层编码器从全局特征变化角度出发,多尺度分析皮肤病变区域;然后利用多尺度融合模块、通道注意力模块和联合层构建融合解码器,多尺度融合模块互补分层编码器中浅层网络信息与深层网络信息,增强空间信息和语义信息间的依赖关系,通道注意力模块能够有效识别特征丰富的通道,提高算法分割精度;最后引入扩展模块恢复图像大小以匹配实际需求。将该算法在ISBI2016、ISBI2017和ISIC2018三个公共数据集上进行实验测试,其像素精度分别为96.70%、94.50%和95.39%,平均交并比分别为91.69%、85.74%和89.29%,算法测试整体性能优于现有算法。仿真实验证明,多尺度Transformer编解码网络能够有效地分割皮肤病变图像。 展开更多

关键词 计算机应用技术 皮肤病变 图像分割 TRANSFORMER 多尺度融合模块 通道注意力模块

原文传递

基于多尺度注意力机制网络的玉米害虫识别方法

11

作者 张会敏 吉秉彧 谢泽奇 《江苏农业科学》 北大核心 2024年第9期241-247,共7页

玉米是我国主要的农业粮食作物,害虫严重影响其产量和质量。为快速、准确地识别玉米害虫,针对现有卷积神经网络识别方法需要大量数据集和关键特征易丢失等问题,提出一种基于多尺度注意力机制网络(MCANet)的玉米害虫识别方法。首先,该方... 玉米是我国主要的农业粮食作物,害虫严重影响其产量和质量。为快速、准确地识别玉米害虫,针对现有卷积神经网络识别方法需要大量数据集和关键特征易丢失等问题,提出一种基于多尺度注意力机制网络(MCANet)的玉米害虫识别方法。首先,该方法采用空间金字塔循环(SPR)模块提取不同害虫图像的类型和位置信息;其次,在特征融合模块中引入多级通道注意力机制模块,以保障高维语义信息与低维特征的有效融合;同时将多尺度空洞卷积模块引入多级通道注意力网络模型,构建多尺度多通道注意力网络模型,来提取多尺度判别特征,提高模型的识别效率;最后,在1个较小的玉米害虫图像数据集上进行试验,实现对玉米红缘灯蛾、叶夜蛾、玉米黏虫、玉米螟害虫的识别,当训练样本与测试样本之比为90∶10时,玉米害虫识别准确率高达91.60%,与多尺度残差神经网络(MSRNN)、改进卷积神经网络(ICNN)、VGG-ICNN、轻量级CNN(LWCNN)相比,识别率分别提高24.40、18.77、8.00、4.40百分比。结果表明,该方法在小训练样本集中具有较强的鲁棒性和较高的识别率,为农作物病虫害智能化防治提供技术支持。 展开更多

关键词 玉米害虫 多尺度空洞模块 空间金字塔循环模块 多尺度注意力机制网络

下载PDF 职称材料

噪声背景下的MSECAE轴承故障诊断方法研究

12

作者 徐坤 任万凯 +4 位作者 王晓夫 魏志民 潘作舟 刘征 蔡木霞 《机电工程技术》 2024年第7期29-33,180,共6页

针对传统基于深度学习的故障诊断方法存在特征提取尺度单一、抗噪声能力差的问题,提出一种多尺度卷积自编码器融合高效通道注意力机制的方法(MSECAE)用于轴承故障诊断。首先,使用傅里叶变换对原始数据进行归一化处理,将原始的一维振动... 针对传统基于深度学习的故障诊断方法存在特征提取尺度单一、抗噪声能力差的问题,提出一种多尺度卷积自编码器融合高效通道注意力机制的方法(MSECAE)用于轴承故障诊断。首先,使用傅里叶变换对原始数据进行归一化处理,将原始的一维振动信号转换到频域进行表示,有利于模型进行提取特征。其次,构造MSECAE结构,利用多尺度卷积(MSCNN)提取原始信息中的多尺度特征,使用高效通道注意力机制(ECA)动态选择卷积核大小,根据各个通道中特征的重要程度赋予不同的权重。最后通过卷积解码器对融合后的信息进行特征重构,利用Softmax分类器进行故障类别分类。为了验证所提模型的性能,使用2种不同采样频率下的数据集在4种不同噪声条件下进行多次实验,并和其他模型进行对比。实验结果表明,所提模型与其他模型相比,分类精度达到99%以上,具有更好的泛化能力和更强的鲁棒性。 展开更多

关键词 故障诊断 多尺度卷积模块 高效通道注意力机制(ECA) 轴承

下载PDF 职称材料

基于高分辨率复合网络的皮肤病变分割 被引量：4

13

作者 梁礼明 周珑颂 +2 位作者 冯骏 盛校棋 吴健 《光学精密工程》 EI CAS CSCD 北大核心 2022年第16期2021-2038,共18页

针对皮肤病变图像分割时存在异物遮挡、特征信息缺失和病变区域误分割等问题,提出一种基于高分辨率复合网络的皮肤病变分割方法。该方法一是利用预处理操作细化和扩充皮肤病变图像,降低异物遮挡对网络分割性能的影响。二是利用高分辨率... 针对皮肤病变图像分割时存在异物遮挡、特征信息缺失和病变区域误分割等问题,提出一种基于高分辨率复合网络的皮肤病变分割方法。该方法一是利用预处理操作细化和扩充皮肤病变图像,降低异物遮挡对网络分割性能的影响。二是利用高分辨率网络和多尺度稠密模块构建编码部分,高分辨率网络能够保证高清特征图全局传递,多尺度稠密模块能够最大化传递病变特征,减少图像特征信息缺失,精确定位皮肤病变区域。三是利用反向高分辨率网络和双残差模块构建解码部分,双残差模块在重建解码特征时能够捕获深层语义信息与空间信息,提高皮肤病变图像分割精度。在ISBI2016、ISBI2017和ISIC2018数据集上进行实验,其准确度分别为96.14%、93.72%和95.73%,Dice相似系数分别为93.16%、88.56%和92.00%,Jaccard指数分别为87.01%、77.19%和85.19%,其分割方法整体性能优于现有方法。仿真实验证明,高分辨率复合网络对皮肤病变图像具有较好的分割效果,为皮肤疾病的诊断提供了新窗口。 展开更多

关键词 皮肤病变 图像分割 高分辨率网络 多尺度稠密模块 双残差模块

下载PDF 职称材料

跨尺度跨维度的自适应Transformer网络应用于结直肠息肉分割

14

作者 梁礼明 何安军 +1 位作者 李仁杰 吴健 《光学精密工程》 EI CAS CSCD 北大核心 2023年第18期2700-2712,共13页

针对结直肠息肉图像病灶区域尺度变化大、边界模糊、形状不规则且与正常组织对比度低等问题,导致边缘细节信息丢失和病灶区域误分割,提出一种跨尺度跨维度的自适应Transformer分割网络。该网络一是利用Transformer编码器建模输入图像的... 针对结直肠息肉图像病灶区域尺度变化大、边界模糊、形状不规则且与正常组织对比度低等问题,导致边缘细节信息丢失和病灶区域误分割,提出一种跨尺度跨维度的自适应Transformer分割网络。该网络一是利用Transformer编码器建模输入图像的全局上下文信息,多尺度分析结直肠息肉病灶区域。二是通过通道注意力桥和空间注意力桥减少通道维度冗余和增强模型空间感知能力,抑制背景噪声。三是采用多尺度密集并行解码模块来填补各层跨尺度特征信息之间的语义空白,有效聚合多尺度上下文特征。四是设计面向边缘细节的多尺度预测模块,以可学习的方式引导网络去纠正边界错误预测分类。在CVC-ClinicDB、Kvasir-SEG、CVC-ColonDB和ETIS数据集上进行实验,其Dice相似性系数分别为0.942,0.932,0.811和0.805,平均交并比分别为0.896,0.883,0.731和0.729,其分割性能优于现有方法。仿真实验表明,本文方法能有效改善结直肠息肉病灶区域误分割,具有较高的分割精度,为结直肠息肉诊断提供新窗口。 展开更多

关键词 结直肠息肉 TRANSFORMER 多尺度密集并行解码模块 多尺度预测模块

下载PDF 职称材料

轻型多注意力融合网络实现图像超分辨率重建 被引量：1

15

作者 陈新宇 方金生 《闽南师范大学学报（自然科学版）》 2023年第4期73-81,共9页

提出一种轻量型多注意力融合网络(multi-attention fusion network,MAFN),在不影响网络性能的前提下,可有效地降低网络参数量和计算复杂度.MAFN由多个多尺度卷积注意力模块构建而成,而每个多尺度卷积注意力模块由支路残差多尺度卷积块... 提出一种轻量型多注意力融合网络(multi-attention fusion network,MAFN),在不影响网络性能的前提下,可有效地降低网络参数量和计算复杂度.MAFN由多个多尺度卷积注意力模块构建而成,而每个多尺度卷积注意力模块由支路残差多尺度卷积块、若干个非线性自由激活块及级联式的通道注意力和空间注意力机制组成.多尺度卷积注意力模块通过支路残差多尺度卷积块提取不同视野下的特征信息,并通过非线性自由激活块及注意力机制的融合以增强网络特征表征能力.实验表明,MAFN可有效提升网络性能和降低网络参数模型,且优于其他的先进方法. 展开更多

关键词 图像超分辨率重建 注意力机制 多尺度卷积模块 轻量型网络 深度学习

下载PDF 职称材料

基于多尺度聚焦网络的单图像城市场景3D平面重建 被引量：3

16

作者 江瑞祥 缪君 +1 位作者 储珺 葛芸 《小型微型计算机系统》 CSCD 北大核心 2022年第8期1718-1724,共7页

针对基于单图像城市场景中不规则平面3D重建的难题,本文提出了一种基于多尺度聚焦网络的场景3D平面重建算法.该算法以单幅RGB图像为输入,通过单网络、双任务的学习策略,同时输出平面的分割映射以及深度信息.为了根据上下文来自适应的更... 针对基于单图像城市场景中不规则平面3D重建的难题,本文提出了一种基于多尺度聚焦网络的场景3D平面重建算法.该算法以单幅RGB图像为输入,通过单网络、双任务的学习策略,同时输出平面的分割映射以及深度信息.为了根据上下文来自适应的更改有效感受野大小以获取多尺度信息,本文还提出了一种将条状注意力机制嵌入到空洞空间金字塔池化模块的多尺度聚焦模块,使之能够关注城市场景中的条状平面.本文网络模型在SYNTHIA城市场景数据集上进行了训练,在测试集中取得了81.5%SC和4.22%Abs Rel的表现.本文算法相对于现有算法更可靠、重建模型更完整. 展开更多

关键词 平面重建 单幅图像 城市场景 多尺度聚焦模块 条状注意力机制

下载PDF 职称材料

基于MultiResAttUnet网络的二维地震断层自动识别方法研究

17

作者 王莉利 杜功鑫 +1 位作者 石颖 高新成 《地球物理学进展》 CSCD 北大核心 2023年第5期2160-2171,共12页

断层识别在地震解释中起重要作用,但传统断层识别技术存在识别难度大、周期长、极易受人为因素以及地震资料像素影响等问题,识别效率低下.为解决这一问题,在U-Net网络基础上,本文提出一种基于多尺度残差注意力网络的断层自动识别方法.... 断层识别在地震解释中起重要作用,但传统断层识别技术存在识别难度大、周期长、极易受人为因素以及地震资料像素影响等问题,识别效率低下.为解决这一问题,在U-Net网络基础上,本文提出一种基于多尺度残差注意力网络的断层自动识别方法.利用多尺度残差模块代替U-Net的两层卷积,进行多尺度提取模型特征;利用残差跳跃连接代替U-Net的跳跃连接,消除因高低层语义信息融合导致的语义丢失问题;最后引入注意力机制,融合全局、局部、空间以及通道特征,确保模型可以从各种维度最大限度地提取图像特征信息.实验结果表明:本文所提出的网络模型在Accuracy、F1、IOU与Dice等性能评价指标上均优于其他常见的网络模型,对比基模型U-Net,各项指标分别提高了1.5%、15.6%、15.4%和7.4%;通过对加噪数据与实际数据等进行断层识别实验,证明本文方法具有很好的抗噪性与识别效果. 展开更多

关键词 断层识别 多尺度残差模块 残差跳跃连接 注意力机制

原文传递

基于多尺度特征融合网络的云和云阴影检测试验 被引量：2

18

作者 杨昌军 张秀再 +2 位作者 张晨 冯绚 刘瑞霞 《大气科学》 CSCD 北大核心 2021年第6期1187-1195,共9页

基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络(Multi-scale Feature Fusion Networ... 基于深度学习的高分辨率光学影像云检测过程中,云和云阴影及其边缘细节丢失较为严重,主要原因在于不同尺度空间语义信息特征融合存在不足。针对该问题,本文构建一种基于深度学习的多尺度特征融合网络(Multi-scale Feature Fusion Network,MFFN)的云和云阴影检测方法,该算法结合防止网络退化的残差神经网络模块(Res.block)、扩大网络感受野的多尺度卷积模块(MCM)和提取并融合不同尺度信息的多尺度特征模块(MFM)。试验表明,本算法能提取丰富的空间信息与语义信息,可取得较为精细的云与云阴影掩模,具有较高检测精度,其中云检测准确率达0.9796,云阴影检测准确率达0.8307。同时,该工作可为深度学习技术应用于业务云检测提供理论支持及技术储备。 展开更多

关键词 云检测 云阴影检测 残差模块(Res.block) 多尺度卷积 多尺度特征模块

下载PDF 职称材料

基于多尺度卷积网络的路面图像裂缝分割方法 被引量：3

19

作者 孙梦园 刘义 范文慧 《软件》 2020年第5期95-99,共5页

在高速公路养护过程中,裂缝是路面评价指标的重要依据。考虑到样本不平衡、路面图像噪声干扰、裂缝尺寸多样的特点,作者提出了一种新颖的卷积网络以提高裂缝检测分割性能。作者采用编码-解码器网络,跳跃连接不同层级特征,充分利用网络... 在高速公路养护过程中,裂缝是路面评价指标的重要依据。考虑到样本不平衡、路面图像噪声干扰、裂缝尺寸多样的特点,作者提出了一种新颖的卷积网络以提高裂缝检测分割性能。作者采用编码-解码器网络,跳跃连接不同层级特征,充分利用网络中图像的信息特征;同时设计了多尺度卷积核模块,在检测不同尺寸的裂缝与抑制噪声的表现上取得不错性能。通过对路面裂缝的定位识别与提取等工作,文章提高了路面裂缝检测的效率与准确率。 展开更多

关键词 裂缝分割 多尺度卷积模块 编码-解码深度网络 不平衡样本

下载PDF 职称材料

复杂场景下基于改进DiMP算法的精确目标跟踪

20

作者 忻瑶 韩华 +2 位作者 王春媛 熊雨滋 许莹莹 《智能计算机与应用》 2022年第12期82-87,92,共7页

针对DiMP目标跟踪算法在自然场景下遇到遮挡及背景干扰导致跟踪表现不佳的问题,提出了改进的DiMP精确目标跟踪算法。在图像预处理阶段创新性地设计了一个任意灰度块替换策略来丰富样本的信息;将特征提取网络ResNet-50提取的目标各阶段... 针对DiMP目标跟踪算法在自然场景下遇到遮挡及背景干扰导致跟踪表现不佳的问题,提出了改进的DiMP精确目标跟踪算法。在图像预处理阶段创新性地设计了一个任意灰度块替换策略来丰富样本的信息;将特征提取网络ResNet-50提取的目标各阶段的特征图输入到设计的多尺度融合模块中进行正向和反向的充分融合,得到包含更多位置信息和语义信息的特征图;随后特征图输入到模板预测模块中进行在线更新操作,进而得到判别力更强的目标模板。实验表明:该算法在UAV123数据集的遮挡和背景干扰测试中的成功率和精确率分别提高8%、4.15%和9%、6.30%;同时,在VOT2018的EAO指标上提高1.36%,在UAV123的成功率和精确率指标上分别提高3.89%和3.06%。说明改进的DiMP算法在对遮挡与背景干扰问题上优势明显,进而提升了算法的整体表现。 展开更多

关键词 替换策略 多尺度融合模块 DiMP 目标跟踪

下载PDF 职称材料