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
共找到8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：
基于多尺度残差网络的对象级边缘检测算法 被引量：6
1
作者 朱威 王图强 +1 位作者 陈悦峰 何德峰 《计算机科学》 CSCD 北大核心 2020年第6期144-150,共7页
面向对象的边缘检测技术是智能视觉处理领域的关键基础技术,然而目前基于卷积神经网络的边缘检测结果存在分辨率低、噪声较多等问题。因此,文中提出了一种基于多尺度残差网络的对象级边缘检测算法。首先,设计了混合空洞卷积残差块,来替... 面向对象的边缘检测技术是智能视觉处理领域的关键基础技术,然而目前基于卷积神经网络的边缘检测结果存在分辨率低、噪声较多等问题。因此,文中提出了一种基于多尺度残差网络的对象级边缘检测算法。首先,设计了混合空洞卷积残差块,来替换原始残差网络中的普通卷积核,以放大网络的感受野;然后,设计了多尺度特征增强模块,对边缘信息进行多尺度特征提取,以放大网络的信息接受域;最后,设计了结合顶层语义特征的金字塔多尺度特征融合模块,将不同尺度下的特征信息进行融合,以输出边缘检测后的图像。为了验证所提算法的有效性,在公开数据集BSDS500上进行实验。实验结果表明,与现有算法相比,所提算法具有更好的边缘检测效果,客观指标ODS,OIS和AP分别达到了0.819,0.838和0.849,主观检测效果也更接近真实值,噪声更少。 展开更多
关键词 残差网络 空洞卷积 多尺度特征增强 金字塔特征融合结构
下载PDF
基于改进YOLOv3模型的电厂生产区域漏水、漏油检测 被引量：6
2
作者 巩宇 陆传德 +2 位作者 符彦青 易婷婷 周俊煌 《广东电力》 2021年第6期55-64,共10页
当前电厂漏水、漏油检测方法大多基于光学、声学、红外等技术,使用各类传感器进行检测,检测结果易受外界影响,且不具有经济性。目前计算机视觉、深度学习等技术在漏水、漏油检测中的研究应用还处于发展阶段,而且将主流网络直接迁移到电... 当前电厂漏水、漏油检测方法大多基于光学、声学、红外等技术,使用各类传感器进行检测,检测结果易受外界影响,且不具有经济性。目前计算机视觉、深度学习等技术在漏水、漏油检测中的研究应用还处于发展阶段,而且将主流网络直接迁移到电力领域中难度高,识别精度较低,难以满足实际需求。针对以上问题,利用YOLOv3网络模型具有高检测速度和高识别精度的优势,在原始网络基础上,提出一种多尺度特征融合的改进网络,通过提取浅层网络中更多的细粒度和深层网络中更丰富的语义信息,实现漏水、漏油目标检测,提高了模型的鲁棒性。同时在检测网络中引入Inception结构,减少模型参数量,增加网络的深度和宽度。最后通过实验,证明模型检测速度达到46帧/s,识别精度达到98.1%,能较好地满足电厂中漏水、漏油检测的精度和实时性要求。 展开更多
关键词 深度学习 漏水漏油检测 YOLOv3 多尺度特征融合 Inception结构
下载PDF
基于卷积神经网络的遥感影像建筑物提取方法综述 被引量：1
3
作者 杨明旺 赵丽科 +2 位作者 叶林峰 蒋华伟 杨震 《地球信息科学学报》 EI CSCD 北大核心 2024年第6期1500-1516,共17页
建筑物提取作为遥感影像处理领域备受关注的研究方向之一,对于城市规划、灾害管理、智慧城市建设等方面具有重要意义。近年来,随着遥感技术的不断突破和深度学习算法的迅速发展,卷积神经网络凭借强大的特征提取能力成为从遥感影像中提... 建筑物提取作为遥感影像处理领域备受关注的研究方向之一,对于城市规划、灾害管理、智慧城市建设等方面具有重要意义。近年来,随着遥感技术的不断突破和深度学习算法的迅速发展,卷积神经网络凭借强大的特征提取能力成为从遥感影像中提取建筑物的新兴解决方案。本文对基于卷积神经网络的建筑物提取方法进行系统总结,并将相关文献的方法针对模型结构、多尺度特征差异性、边界信息缺失以及模型复杂度的优化策略进行归纳分析。随后,我们阐述了典型的建筑物数据集以及当前数据集存在的问题,并根据数据集上的实验结果对相关方法的精度及参数量进行详细分析,旨在帮助读者更好地理解各种方法的性能和适用范围。最后,立足于领域的研究现状,面向人工智能高质量发展的新时代,从Transformer与CNN的结合、深度学习与强化学习的结合、跨模态数据融合、无监督或半监督学习方法、基于大规模遥感模型的实时提取、建筑物实例分割和建筑物轮廓矢量提取等方面对建筑物提取的未来研究方向进行了展望。 展开更多
关键词 卷积神经网络 遥感影像 建筑物提取 深度学习 非对称网络结构 多尺度特征融合 边界优化 轻量化网络结构
原文传递
基于多特征聚合的水面遮挡目标检测算法
4
作者 冯辉 蒋成鑫 +1 位作者 徐海祥 谢磊 《华中科技大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第4期76-81,共6页
针对智能船舶在内河航道航行时经常出现的船舶互相遮挡而影响目标检测精度的问题,提出了一种基于多特征聚合的水面遮挡目标检测算法.首先,在骨干网络设置多尺度感受野特征融合结构,融合被遮挡船舶可视区域与周围环境特征;其次,在骨干网... 针对智能船舶在内河航道航行时经常出现的船舶互相遮挡而影响目标检测精度的问题,提出了一种基于多特征聚合的水面遮挡目标检测算法.首先,在骨干网络设置多尺度感受野特征融合结构,融合被遮挡船舶可视区域与周围环境特征;其次,在骨干网络及网络的特征拼接部分添加混合注意力机制,增强网络的长程依赖性,聚合船首和船尾的特征;然后,设计了数据重采样策略,在训练过程中根据船舶类别的数量自适应地调整样本采样频率,缓解数据集中船舶数量的严重不均匀;最后对算法进行验证。结果表明:算法通过聚合被遮挡船舶可视区域与周围环境等多尺度特征,聚合船首、船尾长程特征,相较于原算法精度提升达到了3.3%,有效提升了视觉遮挡状态下水面目标的检测精度. 展开更多
关键词 智能船舶 遮挡检测 多尺度特征融合 混合注意力机制 数据重采样
原文传递
改进YOLOv8的路面病害检测模型
5
作者 邓天民 李亚楠 +2 位作者 李庆营 李宇航 王含笑 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第4期138-145,共8页
针对路面病害检测存在的病害尺度差异大、细小病害特征提取难、病害在图像中占比小等问题,提出一种基于改进YOLOv8的路面病害检测方法。以YOLOv8s网络结构为基础,通过引入通道注意力机制和无跨步卷积网络结构,构建了一种无信息丢失的下... 针对路面病害检测存在的病害尺度差异大、细小病害特征提取难、病害在图像中占比小等问题,提出一种基于改进YOLOv8的路面病害检测方法。以YOLOv8s网络结构为基础,通过引入通道注意力机制和无跨步卷积网络结构,构建了一种无信息丢失的下采样网络模块,在剔除背景冗余信息的同时更多地保留了病害纹理特征;通过构建基于PANet的多尺度自适应特征融合网络,增强了网络浅层特征捕获能力,实现了不同尺度特征信息的高效融合;采用Focal Loss损失函数,对各样本赋予对应的权重,缓解了正负样本不平衡问题。实验表明:所提方法在RDD2020和RDD2022数据集上的平均精度分别达到57.1%和52.8%,与YOLOv8s模型相比分别提升3.2和0.6个百分点,整体性能优于YOLOv5等其他检测网络。 展开更多
关键词 路面病害检测 多尺度特征融合 无跨步卷积网络 ASFF
下载PDF
并联化高分辨网络的人体姿态估计方法 被引量：3
6
作者 刘勇 李杰 +2 位作者 任立成 张建林 徐智勇 《计算机工程与设计》 北大核心 2022年第1期237-244,共8页
为降低高分辨网络模型因级联过多造成的参数冗余,设计一种用于人体姿态估计的并联化高分辨网络模型。通过适当的网络裁剪和并联化结构优化处理策略,对原始高分辨网络模型的消融实验结果进行分析,保留网络的前3个阶段,按第四阶段网络的... 为降低高分辨网络模型因级联过多造成的参数冗余,设计一种用于人体姿态估计的并联化高分辨网络模型。通过适当的网络裁剪和并联化结构优化处理策略,对原始高分辨网络模型的消融实验结果进行分析,保留网络的前3个阶段,按第四阶段网络的分辨率构建等尺度的U型网络结构,在多尺度分支的第二阶段与第三阶段中分别并联该结构,保持原网络在同分辨率下的特征融合。针对人体姿态估计数据集MPII与MSCOCO进行检测,并联化高分辨网络的参数量仅为原网络的37%,浮点运算量降低30%。 展开更多
关键词 人体姿态估计 深度学习 多尺度特征融合 并联化结构 高分辨率保持
下载PDF
多尺度特征融合的头影标志点检测 被引量：1
7
作者 任家豪 张光华 +1 位作者 乔钢柱 武秀萍 《计算机工程》 CAS CSCD 北大核心 2023年第3期271-279,共9页
头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利... 头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利用改进的倒残差模块减少下采样过程中的特征损失。在解码器模块中引入从粗到细的中间监督,将得到的多个尺度热图与特征图进行融合,并在跳跃连接中使用注意力门,有效抑制特征图中的背景区域响应。在ISBI 2015 Grand Challenge提供的基准数据集Test 1上进行实验,结果表明,该模型的平均径向误差为1.14 mm,在临床可接受的误差范围2 mm与2.5 mm内的成功检测率分别为86.38%与92.10%,性能优于W-Net、IW-Net等模型。 展开更多
关键词 标志点检测 多尺度特征融合 倒残差结构 注意力门 热图回归
下载PDF
改进的ResNeXt50神经网络面部表情识别方法 被引量：2
8
作者 张洁 穆静 钱智哲 《西安工业大学学报》 CAS 2022年第6期610-619,共10页
为了减少现有基于通用架构的深度学习表情识别方法在卷积过程中丢失重要信息的现象,文中提出一种改进的ResNeXt50网络(命名为AC-SP-ResNeXt50),以ResNeXt50为基础架构,增加一个多尺度特征提取层,以不同尺寸的卷积核对原始图像进行特征提... 为了减少现有基于通用架构的深度学习表情识别方法在卷积过程中丢失重要信息的现象,文中提出一种改进的ResNeXt50网络(命名为AC-SP-ResNeXt50),以ResNeXt50为基础架构,增加一个多尺度特征提取层,以不同尺寸的卷积核对原始图像进行特征提取,提取到更多纹理信息;同时以SoftPool作为网络的池化层,保留了更多特征信息;使用非对称卷积模块构成残差结构,强化了特征提取;文中通过消融实验和对比实验,验证文中方法在减少特征信息损失,提升面部表情识别率方面的有效性;通过识别随机选取的表情图像,评估了文中模型的泛化能力。实验结果表明:多尺度特征融合、SoftPool、非对称卷积对面部表情识别结果均有提升作用。文中方法在CK+数据集上的识别率可达到98.93%,在Jaffe数据集上可达到97.62%,与卷积神经网络与支持向量机相结合的方法(CNN+SVM)、注意力与空间注意力机制分离方法(CA-ST-DSC)、全局分支和局部分支结合的方法(GL-DCNN)、基于深度可分离卷积的识别方法(DSC-FER)等现有面部表情识别方法进行对比,文中方法在特征提取方面更具优势,识别结果更佳,对现实中的表情图像识别能力也较为出色,模型泛化能力较好。 展开更多
关键词 表情识别 多尺度特征融合 非对称卷积 残差结构 特征提取
下载PDF
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
使用帮助 返回顶部