期刊导航
期刊开放获取
cqvip
退出
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
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
检索
高级检索
期刊导航
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：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进掩膜区域卷积神经网络的输电线路绝缘子自爆检测
被引量：
10
1
作者
苟军年
杜愫愫
刘力
《电工技术学报》
EI
CSCD
北大核心
2023年第1期47-59,共13页
由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标...
由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标特征保持性;其次,使用全局交并比(GIoU)计算目标间的相似度,提升定位准确性;最后,使用Tversky损失计算掩膜分支的损失,以提升不平衡样本下的检测效果。使用某输电运检中心无人机巡检作业所得具有自爆缺陷的绝缘子照片作为数据集对该模型进行验证,实验结果表明,与原始Mask R-CNN模型相比,该方法的平均精确率AP50:90、AP50和AP75分别提升至0.56、0.79和0.72;与三种经典目标检测算法相比,该算法具有较高的检测精度,模型的分割性能有一定提升,且比原始模型具有更好的鲁棒性,可以满足电力巡检中准确性和快速性的要求。
展开更多
关键词
绝缘子缺陷检测
掩膜区域卷积神经网络
卷积注意力模块
特征融合
全局交并比
tversky
损失
下载PDF
职称材料
基于D-Unet神经网络的鼻腔鼻窦肿瘤分割算法
被引量：
2
2
作者
李富豪
赵希梅
《计算机工程》
CAS
CSCD
北大核心
2022年第1期281-287,共7页
鼻腔鼻窦肿瘤为多发性疾病,其CT影像具有形态不规则、分界不均匀等特征,而现有的U-Net分割算法对图片细节不敏感且割裂了图像局部与整体特征的一致性,难以实现精准诊断。提出一种基于D-Unet深度神经网络的改进算法,根据鼻腔鼻窦肿瘤空...
鼻腔鼻窦肿瘤为多发性疾病,其CT影像具有形态不规则、分界不均匀等特征,而现有的U-Net分割算法对图片细节不敏感且割裂了图像局部与整体特征的一致性,难以实现精准诊断。提出一种基于D-Unet深度神经网络的改进算法,根据鼻腔鼻窦肿瘤空间形变特点,将可变形卷积融入U-Net网络,并利用可变形卷积能依据目标形态拥有自适应感受野的特点,充分学习图像细节,从而提升算法的特征提取能力。在此基础上,使用损失函数Tversky解决数据集样本失衡问题,从而获得更高的灵敏度和泛化能力。为方便进一步研究,建立鼻腔鼻窦肿瘤分割数据集。实验结果表明,所提算法能有效提高鼻腔鼻窦肿瘤分割精度,相比U-Net、Res-Unet和Attention U-Net算法,分割精度分别提高了5.01%、2.56%和0.48%。
展开更多
关键词
鼻腔鼻窦肿瘤
U-Net算法
目标分割
可变形卷积网络
tversky
损失函数
下载PDF
职称材料
题名
基于改进掩膜区域卷积神经网络的输电线路绝缘子自爆检测
被引量：
10
1
作者
苟军年
杜愫愫
刘力
机构
兰州交通大学自动化与电气工程学院
出处
《电工技术学报》
EI
CSCD
北大核心
2023年第1期47-59,共13页
基金
国家自然科学基金资助项目(72171106,61863023)。
文摘
由于背景复杂、目标所占像素比例较小,掩膜区域卷积神经网络(Mask R-CNN)模型对输电线路绝缘子缺陷检测能力不足,该文提出一种改进的MaskR-CNN模型。具体地,首先,在特征提取网络中引入卷积注意力模块(CBAM),分别从通道和空间提升小目标特征保持性;其次,使用全局交并比(GIoU)计算目标间的相似度,提升定位准确性;最后,使用Tversky损失计算掩膜分支的损失,以提升不平衡样本下的检测效果。使用某输电运检中心无人机巡检作业所得具有自爆缺陷的绝缘子照片作为数据集对该模型进行验证,实验结果表明,与原始Mask R-CNN模型相比,该方法的平均精确率AP50:90、AP50和AP75分别提升至0.56、0.79和0.72;与三种经典目标检测算法相比,该算法具有较高的检测精度,模型的分割性能有一定提升,且比原始模型具有更好的鲁棒性,可以满足电力巡检中准确性和快速性的要求。
关键词
绝缘子缺陷检测
掩膜区域卷积神经网络
卷积注意力模块
特征融合
全局交并比
tversky
损失
Keywords
Insulator
defect
detection
mask
region-convolutional
neural
network(Mask
R-CNN)
convolutional
block
attention
module(CBAM)
feature
fusion
generalized
intersection
over
union(GIoU)
tversky
loss
分类号
TM755 [电气工程—电力系统及自动化]
TP389 [自动化与计算机技术—计算机系统结构]
下载PDF
职称材料
题名
基于D-Unet神经网络的鼻腔鼻窦肿瘤分割算法
被引量：
2
2
作者
李富豪
赵希梅
机构
青岛大学计算机科学技术学院
山东省数字医学与计算机辅助手术重点实验室
出处
《计算机工程》
CAS
CSCD
北大核心
2022年第1期281-287,共7页
基金
国家自然科学基金(61303079)。
文摘
鼻腔鼻窦肿瘤为多发性疾病,其CT影像具有形态不规则、分界不均匀等特征,而现有的U-Net分割算法对图片细节不敏感且割裂了图像局部与整体特征的一致性,难以实现精准诊断。提出一种基于D-Unet深度神经网络的改进算法,根据鼻腔鼻窦肿瘤空间形变特点,将可变形卷积融入U-Net网络,并利用可变形卷积能依据目标形态拥有自适应感受野的特点,充分学习图像细节,从而提升算法的特征提取能力。在此基础上,使用损失函数Tversky解决数据集样本失衡问题,从而获得更高的灵敏度和泛化能力。为方便进一步研究,建立鼻腔鼻窦肿瘤分割数据集。实验结果表明,所提算法能有效提高鼻腔鼻窦肿瘤分割精度,相比U-Net、Res-Unet和Attention U-Net算法,分割精度分别提高了5.01%、2.56%和0.48%。
关键词
鼻腔鼻窦肿瘤
U-Net算法
目标分割
可变形卷积网络
tversky
损失函数
Keywords
nasal
cavity
and
paranasal
sinus
tumor
U-Net
based
algorithm
object
segmentation
Deformable
Convolution
Network(DCN)
tversky
loss
function
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进掩膜区域卷积神经网络的输电线路绝缘子自爆检测
苟军年
杜愫愫
刘力
《电工技术学报》
EI
CSCD
北大核心
2023
10
下载PDF
职称材料
2
基于D-Unet神经网络的鼻腔鼻窦肿瘤分割算法
李富豪
赵希梅
《计算机工程》
CAS
CSCD
北大核心
2022
2
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部
