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
融合多尺度特征的脑肿瘤分割算法
1
作者
苏赋
马傲
李沁
《光电子．激光》
CAS
CSCD
北大核心
2024年第12期1337-1344,共8页
脑肿瘤核磁共振成像(magnetic resonance imaging,MRI)分割是脑肿瘤诊断和治疗的重要环节,针对U-Net网络结构对图像特征感受野大小有所限制、上下文信息存在鸿沟导致的分割准确率较低的问题,本文提出了一种融合多尺度特征的脑肿瘤MRI分...
脑肿瘤核磁共振成像(magnetic resonance imaging,MRI)分割是脑肿瘤诊断和治疗的重要环节,针对U-Net网络结构对图像特征感受野大小有所限制、上下文信息存在鸿沟导致的分割准确率较低的问题,本文提出了一种融合多尺度特征的脑肿瘤MRI分割算法。首先,设计了一种多尺度聚合模块(multi-scale aggregation module,MAM)来替换原始U-Net网络中的常规卷积层,增加网络的深度以及宽度,来捕获特征图的边界细节信息。其次,在跳跃连接中用上下文空洞空间金字塔模块(context atrous spatial pyramid,CASP)代替直接拼接操作,扩大网络的感受野,增强对不同尺度大小的病灶的提取能力。最后,在U型的底部设计了一种多层次聚合注意力模块(multi-level aggregation attention,MAA),使网络模型关注图像分割区域有效特征,排除背景噪声。将改进算法在癌症基因组图谱(脑肿瘤数据)数据库(the Cancer Genome Atlas,TCGA)上进行实验验证,其结果表明所提算法的平均交并比(mean intersection over union,mIoU)、Dice系数、敏感性、特异性、准确率等指标分别为:91.39%、92.81%、89.14%、99.95%、95.78%。
展开更多
关键词
核磁共振成像(MRI)
脑肿瘤分割
特征聚合
空洞空间金字塔
混合注意力机制
原文传递
基于混合域注意力YOLOv4的输送带纵向撕裂多维度检测
被引量：
6
2
作者
李飞
胡坤
+2 位作者
张勇
王文善
蒋浩
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第11期2156-2167,共12页
针对输送带纵向撕裂目标检测维度单一、模型复杂度高等问题,提出一种高效的MobileNetv3及YOLOv4集成网络输送带纵向撕裂多维度实时检测方法.基于YOLOv4目标识别算法,通过将轻量化网络Mobile-Netv3代替CSPDarknet53作为骨干网络,结合高...
针对输送带纵向撕裂目标检测维度单一、模型复杂度高等问题,提出一种高效的MobileNetv3及YOLOv4集成网络输送带纵向撕裂多维度实时检测方法.基于YOLOv4目标识别算法,通过将轻量化网络Mobile-Netv3代替CSPDarknet53作为骨干网络,结合高效通道域ECA模块和空间域注意力机制(STNet)构建混合域注意力网络(ECSNet),改进了MobileNetv3嵌入ECSNet,并且提升了模型对空间和通道的关注度.引入深度可分离卷积块代替网络中3*3卷积,并将YOLOv4的检测头(Prediction Heads)缩减为2种尺度,轻量化模型降低网络复杂度和训练难度,完成ECSMv3_YOLOv4模型的搭建,使用K-means聚类6个Anchors预测目标框高宽,提高网络对表面撕裂的检测性能.研制带式输送机多维度智能巡检样机,采集制作输送带多维度面的纵向撕裂数据集,开展网络模型的训练、测试、识别和定位实验.结果表明,提出算法在测试集中的平均识别准确率为97.8%,识别速度为37帧/s,模型的计算量和参数量为4.882 G和8.851 M,通过试验不同的网络模型效果和改变光照强度,该方法体现出检测精度高、速度快和轻量化等优点,具备更强的适应性和抗干扰能力.
展开更多
关键词
纵向撕裂
多维度检测
MobileNetv3
混合域注意力机制
YOLOv4
轻量化
下载PDF
职称材料
题名
融合多尺度特征的脑肿瘤分割算法
1
作者
苏赋
马傲
李沁
机构
西南石油大学电气信息学院
出处
《光电子．激光》
CAS
CSCD
北大核心
2024年第12期1337-1344,共8页
基金
国家重点实验室开放基金课题(2021SKLKF11)资助项目。
文摘
脑肿瘤核磁共振成像(magnetic resonance imaging,MRI)分割是脑肿瘤诊断和治疗的重要环节,针对U-Net网络结构对图像特征感受野大小有所限制、上下文信息存在鸿沟导致的分割准确率较低的问题,本文提出了一种融合多尺度特征的脑肿瘤MRI分割算法。首先,设计了一种多尺度聚合模块(multi-scale aggregation module,MAM)来替换原始U-Net网络中的常规卷积层,增加网络的深度以及宽度,来捕获特征图的边界细节信息。其次,在跳跃连接中用上下文空洞空间金字塔模块(context atrous spatial pyramid,CASP)代替直接拼接操作,扩大网络的感受野,增强对不同尺度大小的病灶的提取能力。最后,在U型的底部设计了一种多层次聚合注意力模块(multi-level aggregation attention,MAA),使网络模型关注图像分割区域有效特征,排除背景噪声。将改进算法在癌症基因组图谱(脑肿瘤数据)数据库(the Cancer Genome Atlas,TCGA)上进行实验验证,其结果表明所提算法的平均交并比(mean intersection over union,mIoU)、Dice系数、敏感性、特异性、准确率等指标分别为:91.39%、92.81%、89.14%、99.95%、95.78%。
关键词
核磁共振成像(MRI)
脑肿瘤分割
特征聚合
空洞空间金字塔
混合注意力机制
Keywords
magnetic
resonance
imaging(MRI)brain
tumor
segmentation
feature
aggregation
atrous
spatial
pyramid
mixed
attention
mechanisms
分类号
TP394.41 [自动化与计算机技术—计算机应用技术]
原文传递
题名
基于混合域注意力YOLOv4的输送带纵向撕裂多维度检测
被引量：
6
2
作者
李飞
胡坤
张勇
王文善
蒋浩
机构
安徽理工大学机械工程学院
深部煤矿采动响应与灾害防控国家重点实验室
安徽理工大学环境友好材料与职业健康研究院
出处
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022年第11期2156-2167,共12页
基金
国家自然科学基金资助项目(51874004)
国家重点研发计划资助项目(2020YFB1314203)
+1 种基金
安徽省重点研发计划资助项目(202004a07020043)
芜湖市研究院研发专项基金资助项目(ALW2021YF10).
文摘
针对输送带纵向撕裂目标检测维度单一、模型复杂度高等问题,提出一种高效的MobileNetv3及YOLOv4集成网络输送带纵向撕裂多维度实时检测方法.基于YOLOv4目标识别算法,通过将轻量化网络Mobile-Netv3代替CSPDarknet53作为骨干网络,结合高效通道域ECA模块和空间域注意力机制(STNet)构建混合域注意力网络(ECSNet),改进了MobileNetv3嵌入ECSNet,并且提升了模型对空间和通道的关注度.引入深度可分离卷积块代替网络中3*3卷积,并将YOLOv4的检测头(Prediction Heads)缩减为2种尺度,轻量化模型降低网络复杂度和训练难度,完成ECSMv3_YOLOv4模型的搭建,使用K-means聚类6个Anchors预测目标框高宽,提高网络对表面撕裂的检测性能.研制带式输送机多维度智能巡检样机,采集制作输送带多维度面的纵向撕裂数据集,开展网络模型的训练、测试、识别和定位实验.结果表明,提出算法在测试集中的平均识别准确率为97.8%,识别速度为37帧/s,模型的计算量和参数量为4.882 G和8.851 M,通过试验不同的网络模型效果和改变光照强度,该方法体现出检测精度高、速度快和轻量化等优点,具备更强的适应性和抗干扰能力.
关键词
纵向撕裂
多维度检测
MobileNetv3
混合域注意力机制
YOLOv4
轻量化
Keywords
longitudinal
tear
multi-dimensional
detection
MobileNetv3
mixed
domain
attention
mechan
-ism
YOLOv4
lightweight
分类号
TP391 [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
融合多尺度特征的脑肿瘤分割算法
苏赋
马傲
李沁
《光电子．激光》
CAS
CSCD
北大核心
2024
0
原文传递
2
基于混合域注意力YOLOv4的输送带纵向撕裂多维度检测
李飞
胡坤
张勇
王文善
蒋浩
《浙江大学学报（工学版）》
EI
CAS
CSCD
北大核心
2022
6
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
