-
题名一种改进的深度卷积神经网络图像去噪算法
被引量：13
- 1
-
-
作者
白瑞君
李众
张启尧
刘方涛
-
机构
中北大学软件学院
-
出处
《科学技术与工程》
北大核心
2019年第36期247-252,共6页
-
文摘
为了更好地去除图像中的噪声,提出了一种改进的深度卷积神经网络(Dncnn)图像去噪算法。针对现有的Dncnn网络参数量大,对Dncnn网络的第2~16层进行了改进,使网络参数量降低1/3后,仍能保持和Dncnn一样的训练效果。在此基础上,对网络底层的低级语义信息和高层的高级语义信息进行了特征融合,使得网络训练更平稳,并能达到更好的训练效果。实验结果表明无论与图像去噪领域公认最好的去噪算法BM3D相比,还是与深度学习领域先进的图像去噪算法Dncnn相比,改进的Dncnn都有更好的表现。
-
关键词
图像去噪
网络参数
低级语义信息
高级语义信息
特征融合
-
Keywords
image denoising
network parameters
low-level semantic information
high-level semantic information
feature fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名多层感知分解的全参考图像质量评估
被引量：6
- 2
-
-
作者
李国庆
赵洋
刘青萌
殷翔宇
王业南
-
机构
合肥工业大学计算机与信息学院
工业安全与应急技术安徽省重点实验室
-
出处
《中国图象图形学报》
CSCD
北大核心
2019年第1期149-158,共10页
-
基金
国家自然科学基金项目(61673157
61877016
+2 种基金
61802103
61602146)
中央高校基本科研业务费专项基金项目(JZ2017YYPY0233)~~
-
文摘
目的图像质量评估是计算机视觉、图像处理等领域的基础研究课题之一,传统评估方法常基于图像低层视觉特征而忽略了高层语义信息,这也在一定程度上影响了客观指标和主观视觉质量的一致性。近年来,感知损失被广泛应用于图像风格化、图像复原等研究中,通过使用预训练的深度网络对图像进行多层语义分解,在相关问题上取得了较好的效果。受感知损失启发,提出一种多层感知分解的全参考图像质量评估方法。方法首先使用预训练的深度网络对图像进行多层语义分解,获取多层特征图,再计算失真图像与参考图像之间的相似度,以及它们的不同层级特征图之间的相似度,最终得出兼顾了高层语义信息的图像质量分数。结果针对传统方法 PSNR(peak signal-to-noise ratio)、SSIM (structure similarity)、MS-SSIM (multi-scale structure similarity)及FSIM (feature similarity)进行实验,结果表明,本文方法能够有效提升传统图像质量评估方法的性能,在SRCC (Spearman rank order correlation coefficient)、KRCC (Kendall rank order correlation coefficient)、PLCC (Pearson linear correlation coefficient)和RMSE (root mean squared error)客观指标上均有相应提升。通过使用本文框架,PSNR、SSIM、MS-SSIM、FSIM方法在TID2013数据库上SRCC指标分别获得0. 02、0. 07、0. 06和0. 04的提升。结论本文提出的一种多层感知分解的全参考图像质量评估方法,结合传统方法与深度学习方法,兼顾了图像低层视觉特征和高层语义信息,从而有效地提升了传统方法的评估性能,使客观评估结果更加符合主观视觉感受,同时,本文提出的评估框架能够适用于多种传统方法的性能提升。
-
关键词
图像质量评估
卷积神经网络
感知损失
低层视觉特征
高层语义信息
-
Keywords
image quality assessment
convolution neural network
perceptual loss
low-level visual feature
high-level semantic information
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名特征信息增强的无人机车辆实时检测算法
被引量：2
- 3
-
-
作者
杨建秀
谢雪梅
石光明
李甫
-
机构
西安电子科技大学人工智能学院
山西大同大学物理与电子科学学院
-
出处
《信号处理》
CSCD
北大核心
2022年第5期901-914,共14页
-
基金
国家重点研究开发项目(2018YFB2202400)
国家自然科学基金(61836008,61632019)
科技部重点研发项目(2020AAA0109301)。
-
文摘
针对无人机视角下车辆由于尺度小分辨率低等问题而难以精确分类定位,本文设计了一个轻量级特征提取网络用于提供车辆的多尺度中低层信息,并分别将其融入到主干神经网络中,实现中低层特征信息的传递;同时利用主干网络提取有利于车辆与背景或其他类别分类的高级语义信息,然后将深层高级语义特征与浅层特征进行融合实现高级语义信息的传递,因此类似引入双向网络能够有效地传递不同层次的信息,增强车辆的特征信息表示。此外,采用多路空洞卷积进行特征提取,使得中低层信息更加丰富多样性;并设计了一种灵活有效的融合模块,能够将中低层信息较好地融入到主干网络中增强目标车辆的判别性特征。实验结果表明,该算法能够在无人机数据集上取得很好的检测效果,同样满足实时的应用需求。
-
关键词
中低层信息
高级语义信息
车辆检测
无人机
实时
-
Keywords
mid-/low-level information
high-level semantic information
vehicle detection
unmanned aerial vehicle
real-time
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于全局多尺度特征融合的伪装目标检测网络
被引量：2
- 4
-
-
作者
童旭巍
张光建
-
机构
重庆理工大学两江人工智能学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2022年第12期1122-1130,共9页
-
文摘
在伪装目标检测中,由于伪装目标的外观与背景相似度极高,很难精确分割伪装目标.针对上下文感知跨级融合网络中,高层次语义信息在向浅层网络融合传递时因被稀释及丢失而导致精度降低的问题,文中提出基于全局多尺度特征融合的伪装目标检测网络.先设计全局增强融合模块,捕捉不同尺度下的上下文信息,再通过不同的融合增强分支,将高层次语义信息输送至浅层网络中,减少多尺度融合过程中特征的丢失.在高层网络中设计定位捕获机制,对伪装目标进行位置信息提取与细化.在浅层网络中对较高分辨率图像进行特征提取与融合,强化高分辨率特征细节信息.在3个基准数据集上的实验表明文中网络性能较优.
-
关键词
伪装目标检测
高层次语义信息
特征融合
图像分割
-
Keywords
Camouflaged Object Detection
high-level semantic information
Feature Fusion
Image Segmentation
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于堆叠边缘感知模块的显著性目标检测
被引量：1
- 5
-
-
作者
杨佳信
胡晓
向俊将
-
机构
广州大学电子与通信工程学院
-
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2020年第10期906-916,共11页
-
基金
国家自然科学基金项目(No.62076075)资助。
-
文摘
现有显著性目标检测算法对边缘感知的效果不理想.因此,为了有效利用高层语义信息及低层纹理信息,文中提出基于堆叠边缘感知模块的显著性目标检测算法.采用多尺度骨干网络(Res2Net)作为主干网络提取图像的多尺度、多目标的显著性特征.堆叠边缘感知模块以非对称性方式融合图像高低层信息,增强显著性目标区域.网络输出显著性目标的检测结果.在5个公开数据集上的实验表明,文中算法检测结果较优,同时,在客观评估指标和主观视觉效果上也较优.
-
关键词
显著性目标检测(SOD)
高层语义信息
低层纹理信息
边缘感知模块
-
Keywords
Salient Object Detection(SOD)
high-level semantic information
Low-level Texture information
Edge-Aware Module
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于图像高层语义信息的图像检索方法
被引量：13
- 6
-
-
作者
吴楠
宋方敏
-
机构
南京大学软件新技术国家重点实验室
-
出处
《中国图象图形学报》
CSCD
北大核心
2006年第12期1774-1780,共7页
-
基金
江苏省自然科学基金项目(BK2003066)
-
文摘
由于基于图像高层语义信息的图像检索与传统的图像特征匹配检索相比,在检索的准确性、结果相关性以及降低误检率等方面具有明显的优势,因此高效的图像检索方法应该充分利用图像蕴涵的高层语义信息。为了利用图像的高层语义信息来进行图像检索,在深入研究图像高层语义的低层特征描述的基础上,提出了图像语义的层次划分,并对每个高层语义层提出了语义抽取和检索算法。实验结果表明,该检索算法可以有效地对图像高层语义信息进行提取,并可作为新型高效图像检索系统的一个模型。
-
关键词
基于内容的图像检索
层次化语义模型
图像高层语义信息
信息抽取
图像挖掘
-
Keywords
content based image retrieval, stratified semantic model, high-level semantic information in image,information extraction, image mining
-
分类号
TP391.3
[自动化与计算机技术—计算机应用技术]
-
-
题名改进的自适应深层图模型
- 7
-
-
作者
陈威
石瑞雪
温秀梅
-
机构
河北建筑工程学院
张家口市大数据技术创新中心
-
出处
《河北建筑工程学院学报》
CAS
2023年第4期207-213,共7页
-
基金
2020级研究生创新基金项目(XY2023020)。
-
文摘
图神经网络以其对图结构化数据的强大表示能力而被广泛应用于各个领域。用于异构图表示学习的深度学习方法遵循邻域的消息聚合,对于图卷积网络不能将层次堆叠很深。浅层的图网络不能混合高阶语义信息,深层的图网络将会导致过平滑的产生。为了解决这些限制,在图变换网络的基础上,提出了图跳跃知识转换网络深层图模型,该网络自适应地识别原始图上节点之间潜在的深层连接,同时以端到端的方式学习新图上有效的节点表示。为了适应局部邻域属性和任务,在跳跃知识转换层学习了边类型和复合关系的软选择,以生成有用的多跳连接,灵活利用每个节点不同的邻域范围来实现更好的结构感知表示,从而学习高阶语义信息。图跳跃知识转换网络模型可以与最先进的同构图模型进行结合,在性能上得到了很大的提升。
-
关键词
消息聚合
图跳跃知识转换网络
深层图模型
元路径
高阶语义信息
-
Keywords
message aggregation
graph jump knowledge transformation network
deep graph model
metapath
high level semantic information
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
