期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于YOLO-E与改进OCRNet图像分割的变电站仪表读数自适应识别方法 被引量：8
1
作者 赵伟达 陈海文 +3 位作者 郭陆阳 王守相 潘晓明 汪新浩 《电力建设》 CSCD 北大核心 2023年第11期75-85,共11页
变电站仪表读数的准确识别对实时感知设备运行状态,提高变电设备运维智能化水平意义重大。然而,现有基于指针偏转角度检测的变电站仪表读数识别方案准确性差,未能结合表盘色带判别设备状态,无法自适应表盘量程。对此,提出了一种基于YOL... 变电站仪表读数的准确识别对实时感知设备运行状态,提高变电设备运维智能化水平意义重大。然而,现有基于指针偏转角度检测的变电站仪表读数识别方案准确性差,未能结合表盘色带判别设备状态,无法自适应表盘量程。对此,提出了一种基于YOLO-E改进OCRNet图像分割的变电站仪表读数识别方法,首先提出了基于YOLO-E的表盘位置检测算法,通过透视变换实现图像校准;其次,使用极化注意力模块分支改进OCRNet网络结构,提出基于改进OCRNet的表盘分割算法,实现表盘刻度、指针及色带的准确分割提取;最后,基于PGNet从表盘文本中自适应识别量程信息,结合指针与刻度的分割结果实现读数识别。算例证明,与其他先进电力视觉算法相比,所提方法能适应不同量程的仪表,实现了读数与设备运行状态的准确识别,有助于推动运检数字化转型。 展开更多
关键词 目标检测 图像分割 YOLO-E OCRNet 极化注意力模块
原文传递
结合极化自注意力和Transformer的结直肠息肉分割方法
2
作者 谢斌 刘阳倩 李俞霖 《光电工程》 CAS CSCD 北大核心 2024年第10期87-101,共15页
针对传统结直肠息肉图像分割方法存在的目标分割不够精确、对比度不足,以及边缘细节模糊等问题,文中结合极化自注意力和Transformer提出了一种新的结直肠息肉图像分割方法。首先,设计了一种改进的相位感知混合模块,通过动态捕捉Transfor... 针对传统结直肠息肉图像分割方法存在的目标分割不够精确、对比度不足,以及边缘细节模糊等问题,文中结合极化自注意力和Transformer提出了一种新的结直肠息肉图像分割方法。首先,设计了一种改进的相位感知混合模块,通过动态捕捉Transformer结直肠息肉图像的多尺度上下文信息,以使目标分割更加精确。其次,在新方法中引入了极化自注意力机制,实现了图像的自我注意力强化,使得到的图像特征可以直接用于息肉分割任务中,以达到提高病灶区域与正常组织区域对比度的目的。另外,利用线索交叉融合模块加强动态分割时对图像几何结构的捕捉能力,以达到提升结果图像边缘细节的目的。实验结果表明,文中提出的方法不仅能够有效地提升结直肠息肉分割的精确度和对比度,并且还能够较好地克服分割图像细节模糊的问题。在数据集CVC-ClinicDB、Kvasir、CVC-ColonDB和ETIS-LaribPolypDB上的测试结果表明,文中所提新方法能够取得更好的分割效果,其Dice相似性指数分别为0.946、0.927、0.805和0.781。 展开更多
关键词 结直肠息肉 TRANSFORMER 相位感知模块 极化自注意力模块
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部