期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
边界辅助监督的轻量化卫星部件语义分割网络
1
作者 张蕴怡 陈志华 +2 位作者 戴蕾 何旭峰 张海博 《空间控制技术与应用》 CSCD 北大核心 2024年第2期70-82,共13页
空间卫星部件的准确分割对于在轨对接及维修等具有重要意义,然而太空场景的特殊性导致卫星及其部件和太空背景的像素数量差异悬殊,同时不同部件在相邻区域难以区分.本文提出边界辅助监督的轻量化卫星部件语义分割网络(edge-auxiliary su... 空间卫星部件的准确分割对于在轨对接及维修等具有重要意义,然而太空场景的特殊性导致卫星及其部件和太空背景的像素数量差异悬殊,同时不同部件在相邻区域难以区分.本文提出边界辅助监督的轻量化卫星部件语义分割网络(edge-auxiliary supervised components segmentation network,EASCSN),经过双分支结构提取多尺度特征和全局语义信息,并以级联形式将语义信息注入到空间特征中,采用多尺度特征聚合解码器处理编码器特征并完成部件分割.此外,为了提高网络边界感知能力,增加边界监督策略辅助训练.在公开数据集的定性与定量实验证明,本方法能在实时且轻量的前提下准确完成卫星部件语义分割,其中平均交并比达到74.74%,平均准确率达到80.99%,计算量和参数量仅为6.08GFLOPS(giga floating-point operations per second)和5.45M,在NVIDIA Tesla T4 GPU上分割速度能够达到43.29帧每秒.高效的卫星部件识别具有辅助感知目标卫星结构和完成空间任务的应用价值,并具备推广星上计算机的潜力. 展开更多
关键词 卫星部件 语义分割 轻量化 边界监督
下载PDF
基于边界图卷积的机器人行驶路障场景解析 被引量:1
2
作者 徐高 周武杰 叶绿 《浙江科技学院学报》 CAS 2023年第5期402-411,共10页
【目的】为了使地面机器人行驶过程中能准确识别出路障以避免发生碰撞,提出一种边界图卷积双向监督网络(boundary-graph convolution bidirectional supervised network,B-GCBSNet)的场景解析算法。【方法】首先使用统一变换器(unified ... 【目的】为了使地面机器人行驶过程中能准确识别出路障以避免发生碰撞,提出一种边界图卷积双向监督网络(boundary-graph convolution bidirectional supervised network,B-GCBSNet)的场景解析算法。【方法】首先使用统一变换器(unified transformer,UniFormer)作为主干网络分别对输入的RGB(red,green,blue,红绿蓝)图像和深度图像进行特征提取;其次利用设计的多模态上下文融合模块(multimodal context fusion module,MCFM)将深度图包含的丰富空间信息补充给RGB图以提取更丰富的语义特征,在解码阶段设计了双向监督模块(bidirectional supervision module,BSM);再次,将含有更多全局信息的低级特征进行边缘化处理以得到边界信息,并通过二分类交叉熵损失函数(binary cross entropy loss,BCELoss)进行监督,而包含更多局部信息的高级特征,则通过图卷积来补充特征的全局上下文,以弥补传统卷积神经网络(convolutional neural network,CNN)提取高级特征时忽略局部位置信息的不足,并通过多分类交叉熵损失函数(cross entropy loss,CELoss)进行监督;最后将边界特征和分割特征进行整合得到最终的场景解析结果。【结果】在机器人行驶路障场景数据集(ground mobile robot perception,GMRP)上进行了试验,与已有的先进方法相比,B-GCBSNet的平均交并比(mean intersection over union,MIoU)达到了93.54%,平均类别准确率(mean classification accuracy,mAcc)达到了98.89%,像素准确率(pixel accuracy,PA)达到了98.85%。【结论】B-GCBSNet能较为准确地识别障碍物及可行驶道路,从而为地面机器人行驶过程中障碍物的识别研究提供了参考。 展开更多
关键词 场景解析 边界监督 多尺度 上下文 图卷积
下载PDF
全局区分性增强与边界监督的篡改检测网络
3
作者 王名茂 陈向阳 +2 位作者 叶子 肖利芳 郑戎 《计算机工程》 CAS CSCD 北大核心 2023年第6期154-161,共8页
基于深度学习的篡改检测网络通常忽视了全局通道特征间的差异性且未有效利用全局相关性,造成篡改检测结果误检率和漏检率较高。为解决该问题,构建一种新的篡改检测网络。利用双残差网络和限制卷积层构建特征提取主干网络层,提取待检测... 基于深度学习的篡改检测网络通常忽视了全局通道特征间的差异性且未有效利用全局相关性,造成篡改检测结果误检率和漏检率较高。为解决该问题,构建一种新的篡改检测网络。利用双残差网络和限制卷积层构建特征提取主干网络层,提取待检测目标的双视图多尺度特征。建立全局信息增强模块,引入非局部注意力计算方式,计算各尺度通道的低维全局性相关程度,并将其作为增强参数对全局特征进行区分性增强操作。设计新的边界监督方式,通过对预测结果提取边界信息创建边界掩码图像以计算边界辅助损失,利用反向学习以引导全局特征集中于篡改区域,实现监督性篡改检测。在CASIA、COVER、NIST16、Columbia数据集上的实验结果表明,该网络能有效降低篡改检测结果的误检率和漏检率,像素级F1分数相比于性能最优的同类MVSS-Net平均提升了2.3个百分点。 展开更多
关键词 全局相关性 双残差网络 非局部注意力计算 区分性增强 边界监督
下载PDF
用于腹部CT肝脏分割的边界监督模型 被引量:3
4
作者 于凌涛 王鹏程 +1 位作者 张莹 夏永强 《华中科技大学学报(自然科学版)》 EI CAS CSCD 北大核心 2020年第9期76-81,88,共7页
针对肝脏分割影像中模糊的肝脏边界,提出了一种新颖的用于腹部CT肝脏分割的边界监督模型.该模型包括肝脏区域分割模块和边界分割模块,其中边界分割模块使用肝脏边界进行监督训练,输出精准的肝脏边界.模型将肝脏区域分割输出与边界分割... 针对肝脏分割影像中模糊的肝脏边界,提出了一种新颖的用于腹部CT肝脏分割的边界监督模型.该模型包括肝脏区域分割模块和边界分割模块,其中边界分割模块使用肝脏边界进行监督训练,输出精准的肝脏边界.模型将肝脏区域分割输出与边界分割输出融合在一起,得到最终的肝脏分割预测.肝脏区域分割模块与边界分割模块分别设置了相应的损失函数进行监督训练.模型使用腹部器官分割挑战提供的数据集进行了消融实验并与先进模型进行了评估.结果证明该方法的有效性和优异性,提出的边界分割模块有助于保留肝脏的边缘信息,提高了肝脏分割的性能. 展开更多
关键词 医学图像分析 腹部肝脏器官分割 肝脏分割 深度学习 边界监督 融合损失函数
原文传递
融合边界监督策略的改进特征金字塔算法研究
5
作者 孙红 凌岳览 张玉香 《系统仿真学报》 CAS CSCD 北大核心 2022年第10期2119-2129,共11页
针对语义分割中存在的边界划分不够准确及存在多尺度目标等问题,提出了一种融合边界监督策略的改进特征金字塔算法。通过融合的边界监督策略和改进的特征金字塔算法分别解决边界划分不准确和存在多尺度目标的问题,并且在上采样过程中加... 针对语义分割中存在的边界划分不够准确及存在多尺度目标等问题,提出了一种融合边界监督策略的改进特征金字塔算法。通过融合的边界监督策略和改进的特征金字塔算法分别解决边界划分不准确和存在多尺度目标的问题,并且在上采样过程中加入注意力机制,进一步提升分割效果。实验结果表明:该算法分别在Camvid和PASCAL VOC2012两个数据集上取得了58.69%和78.59%的平均交并比(mean intersection over union,MIOU)指标,在分割效果上有较好的表现。 展开更多
关键词 图像语义分割 边界监督 特征金字塔 注意力上采样
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部