期刊文献+
共找到3篇文章
< 1 >
每页显示 20 50 100
联合多连接特征编解码与小波池化的轻量级语义分割
1
作者 易清明 王渝 +1 位作者 石敏 骆爱文 《电子科技大学学报》 EI CAS CSCD 北大核心 2024年第3期366-375,共10页
语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题,基于编-解码器框架和离散小波变换,设计了一个联合多连接特征编解码与小波池化的轻量级语义... 语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题,基于编-解码器框架和离散小波变换,设计了一个联合多连接特征编解码与小波池化的轻量级语义分割网络MLWP-Net(Multi-Link Wavelet-Pooled Network),在编码阶段利用多连接策略并结合深度可分离卷积、空洞卷积和通道压缩设计了轻量级特征提取瓶颈结构,并设计了低频混合小波池化操作替代传统的下采样操作,有效降低编码过程造成的信息丢失;在解码阶段,设计了多分支并行空洞卷积解码器以融合多级特征并行实现图像分辨率的恢复。实验结果表明,MLWP-Net仅以0.74 MB的参数量在数据集Cityscapes和CamVid上分别达到74.1%和68.2%mIoU的分割精度,验证了该算法的有效性。 展开更多
关键词 实时语义分割 轻量级神经网络 多连接特征融合 小波池化 多分支空洞卷积
下载PDF
多尺度小波池化协方差网络:对噪声鲁棒的病理学图像分类算法
2
作者 张学顶 张术昌 +1 位作者 王红霞 王亚东 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第4期538-552,共15页
将基于深度学习的图像分类方法用于辅助病理学诊断优势突出,但获取病理学切片过程中产生的噪声会影响网络的泛化性能,进而降低分类算法的准确率.针对该问题,提出了一种鲁棒的病理学图像分类算法——多尺度小波池化协方差(multi-scale wa... 将基于深度学习的图像分类方法用于辅助病理学诊断优势突出,但获取病理学切片过程中产生的噪声会影响网络的泛化性能,进而降低分类算法的准确率.针对该问题,提出了一种鲁棒的病理学图像分类算法——多尺度小波池化协方差(multi-scale wavelet pooling covariance,MWPC)网络.MWPC网络主要由小波池化层、复合卷积层、多尺度特征融合和协方差特征提取层4个核心模块构成,其中小波池化层在抑制噪声影响的同时,保护了有效特征不受损失.多尺度特征融合将浅层特征与深层特征结合,使深层特征能够保留更多图像细节.协方差特征提取层可以获取图像的高阶统计特征,提高网络的泛化性能.在病理图像数据集上的测试结果表明,MWPC网络针对组织病理学图像分块级别的五分类任务,在无噪声条件下准确率可以达到90.90%,比ResNet提高1.68%,比Inception-v3分类网络提高0.43%;在模拟椒盐噪声、高斯噪声和柯西噪声等条件下,其噪声鲁棒性能提升明显,且能够降低平均噪声误差.多种网络模块的消融实验结果表明,MWPC网络能够提高网络分类性能和噪声鲁棒性. 展开更多
关键词 病理学图像 噪声鲁棒 小波池化 多尺度特征融合 协方差特征
下载PDF
基于小波池的图像分类算法研究
3
作者 车大庆 吕建秋 《自动化技术与应用》 2022年第7期98-100,162,共4页
本文提出了一种基于二级小波分解的小波池算法。算法放弃了最近邻插值方法,取而代之的是一种有机的、子带的方法,方法能够更准确地表示特征内容,并且伪影更少。将所提出的池化方法与最大池化、平均池化、混合池化、随机池化进行比较,在... 本文提出了一种基于二级小波分解的小波池算法。算法放弃了最近邻插值方法,取而代之的是一种有机的、子带的方法,方法能够更准确地表示特征内容,并且伪影更少。将所提出的池化方法与最大池化、平均池化、混合池化、随机池化进行比较,在基准图像数据集MNIST和CIFAR10上测试此方法,证明此方法能产生相等或更优结果,有很好的有效性。 展开更多
关键词 图像分类 小波池 算法改进
下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部