-
题名改进BiSeNetV1实时模型的岩屑图像识别
被引量：2
- 1
-
-
作者
孙杰
滕奇志
罗崇兴
何海波
何小海
-
机构
四川大学电子信息学院
成都西图科技有限公司
-
出处
《计算机系统应用》
2023年第10期45-53,共9页
-
基金
国家自然科学基金(62071315)。
-
文摘
在图像分割识别领域,现有的深度学习方法大多使用高精度语义分割方法来实现,存在着网络推理速度慢、计算量大、难以实际应用等问题.借助于表现较好的BiSeNetV1实时网络模型,通过扩展的空间路径卷积结构、空间金字塔注意力机制(SPARM)和简化的注意力特征融合模块(S-iAFF)等改进策略,设计一种用于岩屑图像分割领域的BiSeNet_SPARM_S-iAFF实时网络.扩展的空间路径卷积结构可以获取更丰富的岩屑图像空间特征,上下文路径使用优化的空间金字塔注意力机制(SPARM)进一步细化高层语义特征提取,在特征融合阶段使用简化注意力特征融合(S-iAFF)加强低层空间与高层语义特征的融合程度.实验结果表明, BiSeNet_SPARM_S-iAFF网络在RockCuttings_Oil岩屑数据集上的平均交并比(mIoU)为64.91%,相较于BiSeNetV1网络提高了2.68%;另外改进后的网络在精度上接近大部分高精度语义分割方法,同时参数量大幅度减少、推理速度有着明显的提升.
-
关键词
岩屑图像
语义分割
BiSeNetV1网络
空间金字塔注意力
迭代注意力特征融合
深度学习
卷积神经网络
-
Keywords
cuttings image
semantic segmentation
BiSeNetV1 network
spatial pyramid attention
iterative attention feature fusion
deep learning
convolutional neural network(CNN)
-
分类号
TE311
[石油与天然气工程—油气田开发工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名基于多模态融合的GF-5号遥感图像云检测
被引量：1
- 2
-
-
作者
张苏贵
张晶晶
寻丽娜
孙晓兵
熊伟
阎庆
李穗
-
机构
安徽大学计算智能与信号处理教育部重点实验室
安徽大学电气工程与自动化学院
中国科学院通用光学定标与表征技术重点实验室
安徽文达信息工程学院
-
出处
《大气与环境光学学报》
CAS
CSCD
2023年第4期371-382,共12页
-
基金
中国科学院通用光学定标与表征技术重点实验室开放研究基金。
-
文摘
云检测对于遥感图像的应用具有重要意义。目前已有的云检测方法关于遥感图像的偏振信息研究较少,性能和泛化能力有限。为有效利用遥感图像偏振信息,提出了一种基于深度学习的多模态融合遥感图像云检测方法并进行了初步实验评价。该网络是一种三参数输入流架构,具有编码器-解码器结构,利用通道空间注意模块对遥感图像中的反射率特征和偏振特征进行多模态融合。在解码器上采样阶段,利用迭代注意特征融合方法融合高、低级特征映射。评价实验数据集来源于多角度偏振成像仪(DPC)云产品和云掩码产品。评价实验结果表明,所提出的网络模型实现了良好的云检测性能,识别准确率达到93.91%。
-
关键词
云检测
偏振信息
多模态融合
通道空间注意
迭代注意特征融合
-
Keywords
cloud detection
polarization information
multimodal fusion
channel-spatial attention
iterative attention feature fusion
-
分类号
P407
[天文地球—大气科学及气象学]
-
