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446篇文章
< 1 2 … 23 >
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BP神经网络的高分辨率海底地形跨层生成模型 被引量：1
1
作者 王振 张锡亭 王建华 《应用科技》 CAS 2024年第1期143-150,176,共9页
为了满足海底地形的高分辨率需求及解决测量数据的有限性问题,基于多层前馈神经网络(back propagation,BP)和跨层网格生成策略,建立了兼顾海底区域地形整体特征和局部地形信息的海底地形跨层生成模型,实现对海底地形数据生成填充。以南... 为了满足海底地形的高分辨率需求及解决测量数据的有限性问题,基于多层前馈神经网络(back propagation,BP)和跨层网格生成策略,建立了兼顾海底区域地形整体特征和局部地形信息的海底地形跨层生成模型,实现对海底地形数据生成填充。以南海海底地形为例,通过误差对比、假设检验以及海底地形云图的图像清晰度对本文模型生成数据进行有效性验证。结果显示所建立的模型在保证与原始数据之间误差小和数据特征相同的前提下完成了对地形云图的图像清晰度的提升,并且结果优于传统克里金插值方法。本文分析结果可为地形数据相关研究提供参考。 展开更多
关键词 高分辨率海底地形 跨层网格 BP神经网络 克里金插值 Mann-Whitney U检验 Levene检验 图像清晰度 误差
下载PDF
图像级高光谱影像高分辨率特征网络分类方法 被引量：1
2
作者 孙一帆 刘冰 +2 位作者 余旭初 谭熊 余岸竹 《测绘学报》 EI CSCD 北大核心 2024年第1期50-64,共15页
基于深度学习的高光谱影像分类方法通常将高光谱影像切分为局部方块作为模型的输入,这不但限制了长距离空-谱信息关联的获取,还带来了大量额外的计算开销。以全局图像作为输入的图像级分类方法能够有效避免这些缺陷,然而,现有的基于全... 基于深度学习的高光谱影像分类方法通常将高光谱影像切分为局部方块作为模型的输入,这不但限制了长距离空-谱信息关联的获取,还带来了大量额外的计算开销。以全局图像作为输入的图像级分类方法能够有效避免这些缺陷,然而,现有的基于全卷积神经网络特征串行流动模式的图像级分类方法在信息恢复时的细节损失会导致分类精度低、分类图视觉效果差等问题。因此,本文提出一种基于HRNet的图像级高光谱影像快速分类方法,在全程保持高分辨率特征的基础上对影像的多重分辨率特征进行并行计算与交叉融合,从而缓解了传统特征串行流动模式造成的信息损失问题。同时,提出多分辨率特征联合监督和投票分类策略,进一步提升了模型分类性能。利用4组开源高光谱影像数据集对本文方法进行验证,试验结果表明,与现有的先进分类方法相比,本文方法能够取得具有竞争性的分类结果,同时显著减少训练和分类时长,在实际应用时更具时效性。为了保证方法的复现性,笔者将代码开源于https://github.com/sssssyf/fast-image-level-vote。 展开更多
关键词 高光谱影像分类 图像级 全卷积神经网络 hrnet
下载PDF
基于HRNet的高分辨率遥感影像道路提取方法 被引量：3
3
作者 陈雪梅 刘志恒 +2 位作者 周绥平 余航 刘彦明 《系统工程与电子技术》 EI CSCD 北大核心 2024年第4期1167-1173,共7页
高分辨率遥感影像中,传统的道路提取方法存在着精度低、鲁棒性低的问题,提出基于高分辨率网络(high-resolution net, HRNet)实现高分辨率遥感影像道路分割。对HRNet进行改进,将相同分辨率的HRNet子网的输出与输出层结果进行拼接并输入... 高分辨率遥感影像中,传统的道路提取方法存在着精度低、鲁棒性低的问题,提出基于高分辨率网络(high-resolution net, HRNet)实现高分辨率遥感影像道路分割。对HRNet进行改进,将相同分辨率的HRNet子网的输出与输出层结果进行拼接并输入非局部块,两个损失函数Cross-entropy Loss和Dice Loss用来解决道路数据集样本不平衡问题。实验结果表明,改进的HRNet在公开的CHN6-CUG道路数据集上的分割性能与其他方法相比对道路的提取效果更好,在召回率、均交并比和F1分数3个方面分别达到了97.65%、84.91%和97.25%。 展开更多
关键词 高分辨率网络 非局部块 遥感影像 深度学习
下载PDF
基于高分辨率网络的全钢子午线轮胎钢丝圈区域边界分割
4
作者 李喃 刘华 +2 位作者 郝晋一 夏英杰 李金屏 《济南大学学报（自然科学版）》 CAS 北大核心 2024年第6期778-786,共9页
针对全钢子午线轮胎中纹理复杂、结构多变的钢丝圈区域边界分割困难的问题,提出一种基于高分辨率网络的轮胎钢丝圈区域边界分割方法;根据垂直投影曲线信息实现轮胎X射线衍射图像各区域的划分;利用直方图均衡化提高图像的明暗对比度,增... 针对全钢子午线轮胎中纹理复杂、结构多变的钢丝圈区域边界分割困难的问题,提出一种基于高分辨率网络的轮胎钢丝圈区域边界分割方法;根据垂直投影曲线信息实现轮胎X射线衍射图像各区域的划分;利用直方图均衡化提高图像的明暗对比度,增强纹理信息;根据高分辨率网络输出的热图,基于自适应阈值方法进行边界分析,通过计算热图不同区域的阈值得到对应的二值图,统计热图中边界区域面积并筛除过小的部分,根据剩余区域重构热图并利用边界上下文信息填补被筛除的位置,从而得到整体边界分布均匀、精细的热图;在自建数据集上测试所提出方法的检测性能,通过消融实验探讨所提出的方法及其优化模块对最终边界分割结果的影响,并将所提出的方法与2种常用方法进行定量和定性对比。结果表明,钢丝圈区域的包布、反包边界分割准确率分别达到98.94%、97.23%,相对于2种常用方法,所提出的方法具有较强的稳健性和适用性。 展开更多
关键词 模式识别 区域边界分割 高分辨率网络 全钢子午线轮胎 直方图均衡化 边界优化
下载PDF
基于特征增强的高分辨率人体姿态估计网络
5
作者 谢唯嘉 易见兵 +1 位作者 曹锋 李俊 《电子测量技术》 北大核心 2024年第2期131-141,共11页
在轻量级卷积神经网络进行高分辨率人体姿态估计时存在提取特征不充分,针对该问题,提出了一种基于特征增强的高分辨率人体姿态估计网络。首先利用空洞卷积补全操作提取图像特征,以避免特征信息丢失且保持模型参数基本不变;接着利用池化... 在轻量级卷积神经网络进行高分辨率人体姿态估计时存在提取特征不充分,针对该问题,提出了一种基于特征增强的高分辨率人体姿态估计网络。首先利用空洞卷积补全操作提取图像特征,以避免特征信息丢失且保持模型参数基本不变;接着利用池化增强模块进行卷积提取特征的选择,以保留重要特征且减轻传统池化模块对提取特征造成的破坏;最后利用加强通道信息交互的深度可分离卷积模块进行特征提取,以保持该模块的参数量较少且能够提高其特征提取能力。在COCO2017数据集进行性能测试,本文算法和DiteHRNet30算法的AR值分别为77.9%和77.2%;在MPII数据集进行性能测试,本文算法和DiteHRNet30算法的PCKh值分别为32.6%和31.7%。实验结果表明,本文算法在人体姿态估计精度和算法复杂度之间能够达到较好的平衡。 展开更多
关键词 人体姿态估计 轻量级网络 高分辨率 空洞卷积 池化 深度可分离卷积
原文传递
基于高分辨率卷积神经网络的皮肤常见肿瘤智能诊断模型构建
6
作者 周兴雯 马春驰 王琳 《四川医学》 CAS 2024年第6期638-645,共8页
目的探究高分辨率卷积神经网络(HRNetW32)模型在皮肤常见肿瘤临床诊断中的应用。方法基于高分辨率特征提取皮肤常见肿瘤智能诊断模型,利用HRNetW32模型,实现统一输入皮肤常见肿瘤皮肤镜图像,自动预测皮肤常见肿瘤类型的诊断结果;同时将... 目的探究高分辨率卷积神经网络(HRNetW32)模型在皮肤常见肿瘤临床诊断中的应用。方法基于高分辨率特征提取皮肤常见肿瘤智能诊断模型,利用HRNetW32模型,实现统一输入皮肤常见肿瘤皮肤镜图像,自动预测皮肤常见肿瘤类型的诊断结果;同时将构建的模型与VGG16、VGG19、ResNet34等常见卷积神经网络模型进行对比分析。结果HRNetW32模型在训练集和验证集准确率分别为99.72%和95.00%,损失函数值分别为0.15和0.21,表明所构建的模型能准确高效地提取皮肤常见肿瘤皮肤镜图像的高维特征。同时HRNetW32模型表现出了优于VGG16、VGG19、ResNet34模型的精确率、召回率、Micro F1分数、灵敏度、特异度、真正率和假正率。结论HRNetW32模型可用于常见皮肤肿瘤筛检,且诊断准确率较高,具有较高临床诊断价值。 展开更多
关键词 皮肤肿瘤诊断 图像识别 特征融合 高分辨率卷积神经网络
下载PDF
基于改进Swin-UNet网络的高分辨率遥感影像建筑物提取
7
作者 袁啸宇 李振轩 高飞 《合肥工业大学学报（自然科学版）》 CAS 北大核心 2024年第11期1571-1579,共9页
针对传统人工提取方法目前在建筑物提取任务中自动化水平低,以及现有的卷积神经网络(convolutional neural network,CNN)、UNet等深度学习方法在遥感影像建筑物提取中边缘提取效果差、提取不完整等问题,文章提出一种基于改进的Swin-UNe... 针对传统人工提取方法目前在建筑物提取任务中自动化水平低,以及现有的卷积神经网络(convolutional neural network,CNN)、UNet等深度学习方法在遥感影像建筑物提取中边缘提取效果差、提取不完整等问题,文章提出一种基于改进的Swin-UNet网络模型的建筑自动提取方法。新网络模型在原Swin-UNet网络结构基础上,采用跨块注意力机制(cross-attention block,CAB)取代原网络的Swin Transformer块来构建新的网络体系,在武汉大学航空(WHU)建筑数据集和美国马萨诸塞州建筑物数据集建筑物提取试验中验证了模型的适用性。研究结果表明,该方法优于支持向量机(support vector machine,SVM)算法及基于传统的深度学习方法,具有良好的分割精度和鲁棒泛化能力。 展开更多
关键词 高分辨率遥感影像 深度学习 建筑物提取 Swin-UNet网络结构
下载PDF
基于改进坐标注意力和U-Net网络的高分辨率遥感图像建筑物提取
8
作者 陈康 《应用数学进展》 2024年第3期891-899,共9页
在城市规划、统计调查和灾害应急评估等领域,从遥感图像中准确提取建筑物至关重要。然而,由于高分辨率遥感图像中建筑形态的多样性和地面环境的复杂性,实现建筑的完整、高精度提取仍然是一个挑战。为此,本文提出了一种用于从高分辨率遥... 在城市规划、统计调查和灾害应急评估等领域,从遥感图像中准确提取建筑物至关重要。然而,由于高分辨率遥感图像中建筑形态的多样性和地面环境的复杂性,实现建筑的完整、高精度提取仍然是一个挑战。为此,本文提出了一种用于从高分辨率遥感图像中提取建筑物的新网络,该网络保留了U-Net的编码器–解码器结构,并融合了坐标自注意模块(CSAM),以调整网络对输入图像中不同区域的关注程度,使得网络能够有选择性地捕捉和强调重要的语义信息,增强特征提取能力。在空间分辨率为0.3 m的WHU建筑物数据集上进行的实验结果表明,与U-Net、PSPNet、DeepLabV3+相比,所提出的网络能够获得更准确的建筑提取结果,达到98.21%的像素精度、95.28%的精准率、94.57%的召回率和90.34%的交并比。 展开更多
关键词 注意力机制 U-Net网络 语义分割 建筑物 高分辨率遥感图像
下载PDF
基于U-Net网络模型方法的山区高分辨率遥感影像建筑物提取研究
9
作者 黄德伦 易珍言 廉琦 《测绘标准化》 2024年第3期43-49,共7页
由于山区地形较为复杂且自然环境多变,建筑物的布局不会像在平原地区呈网络状规则分布,导致山区建筑物的提取存在碎斑、范围不正确等问题。本文基于北京二号(BJ-2)和高分七号(GF-7)遥感卫星影像,采用U-Net网络模型对山区建筑物进行提取... 由于山区地形较为复杂且自然环境多变,建筑物的布局不会像在平原地区呈网络状规则分布,导致山区建筑物的提取存在碎斑、范围不正确等问题。本文基于北京二号(BJ-2)和高分七号(GF-7)遥感卫星影像,采用U-Net网络模型对山区建筑物进行提取试验,并将试验数据与第三次全国国土调查成果进行比对分析。研究结果表明,采用本文方法提取的建筑物精度高,将U-Net网络模型用于山区建筑物提取的方法可行。 展开更多
关键词 高分辨率遥感影像 U-Net网络模型 建筑物提取
下载PDF
基于改进高分辨率网络的人体姿态估计
10
作者 刘洁 陈志 岳文静 《软件导刊》 2024年第6期136-142,共7页
为实现更精准的人体关键点定位,以高分辨率检测网络(HRNet)为基线引入瀑布式空洞空间卷积模块与Transformer的人体姿态估计模型和算法。首先,构建瀑布式空洞空间卷积模块替换HRNet的第4阶段,减少不同尺度特征相互融合导致参数量过大的问... 为实现更精准的人体关键点定位,以高分辨率检测网络(HRNet)为基线引入瀑布式空洞空间卷积模块与Transformer的人体姿态估计模型和算法。首先,构建瀑布式空洞空间卷积模块替换HRNet的第4阶段,减少不同尺度特征相互融合导致参数量过大的问题,并更高效地提取多尺度特征;其次,引入基于自注意力机制的Transformer对提取的高层特征进行处理,通过捕获全局空间中关键点的非局部交互关系以获取全局信息实现特征增强。实验表明,当输入图像分辨率为256×192时,所提模型相较于HRNet-W32和HRNet-W48基线模型,在参数量下降的情况下AP分别提升2.4%、2.3%。 展开更多
关键词 人体姿态估计 高分辨率网络 瀑布式空洞卷积 注意力机制 多尺度
下载PDF
基于TransU-Net网络的高分辨率遥感影像水体提取
11
作者 韩久春 袁啸宇 +2 位作者 杜海峰 张玉明 邱征 《计算机应用文摘》 2024年第10期45-47,共3页
在高分辨率遥感影像水体提取任务中,基础UNet网络提取精度较低,在规则水体的边缘提取上不够清晰,且对于细小水体提取不够完全。对此,文章提出了一种基于TransU-Net网络模型的水体提取方法。其中,TransU-Net网络模型能够完整有效地对水... 在高分辨率遥感影像水体提取任务中,基础UNet网络提取精度较低,在规则水体的边缘提取上不够清晰,且对于细小水体提取不够完全。对此,文章提出了一种基于TransU-Net网络模型的水体提取方法。其中,TransU-Net网络模型能够完整有效地对水体边缘和局部特征进行提取。实验结果表明,该方法优于基础UNet方法,提取精度相较基础UNet提高了3.63%,能够有效完成高分辨率遥感影像水体提取任务。 展开更多
关键词 高分辨率遥感影像 深度学习 水体提取 TransU-Net网络
下载PDF
基于高分辨率遥感影像深度特征的城市非渗透表面集成学习提取 被引量：1
12
作者 李雪涛 王盼成 曾永年 《测绘学报》 EI CSCD 北大核心 2024年第4期700-711,共12页
城市非渗透表面信息的有效提取是高分辨率遥感应用研究的热点问题。针对目前城市非渗透表面信息提取中存在的问题,结合深度学习与集成学习的优势,提出了基于高分辨率遥感影像深度特征的城市非渗透表面集成学习方法。以高分二号多光谱数... 城市非渗透表面信息的有效提取是高分辨率遥感应用研究的热点问题。针对目前城市非渗透表面信息提取中存在的问题,结合深度学习与集成学习的优势,提出了基于高分辨率遥感影像深度特征的城市非渗透表面集成学习方法。以高分二号多光谱数据为试验数据,以非渗透表面密集程度不同的城市区域为试验区,基于U-Net深度网络提取的高分辨率影像的深层次特征,采用Stacking机制的集成学习机提取城市非渗透表面信息。试验结果表明,基于深度特征的集成学习方法在城市非渗透表面信息提取中获得了较高的精度。在城市非渗透表面密集程度不同的试验区,总体精度不低于91.66%,Kappa系数不低于0.83;错分误差为7.83%~9.39%,漏分误差为7.22%~14.88%。相对于基于浅层光谱信息的集成学习、随机森林、支持向量机,总体精度、Kappa系数有显著提高,错分与漏分误差显著降低。说明深度特征信息能有效提高集成学习提取非渗透表面提取的用户精度与制图精度;相对于U-Net、SegNet深度学习网络,在稀疏、中等密集、密集、复杂4类非渗透表面试验区,有效提高了总体精度、Kappa系数,漏分、错分误差显著的减少。说明基于深度特征的集成学习能有效改善与提高非渗透表面提取的用户精度与制图精度。总体上,基于深度特征的高分辨率非渗透表面集成学习方法能获得较高的城市非渗透表面信息提取精度,在城市土地利用/覆盖分类中具有良好的应用前景。 展开更多
关键词 U-Net网络 集成学习 深度特征 城市非渗透表面 高分辨率遥感 GF-2
下载PDF
基于高分辨率遥感影像和改进U-Net的城市绿地提取
13
作者 张国珍 雷昌龙 +3 位作者 严恩萍 杨明 刘丽娜 钟雅婷 《湖南林业科技》 2024年第3期10-18,共9页
准确掌握城市绿地的面积和空间分布对于城市园林绿化规划和管理具有重要意义。针对U-Net网络提取城市绿地存在的参数冗余和边界特征丢失等问题,本研究提出一种基于改进U-Net网络的城市绿地信息自动提取方法。该方法采用MobileNetv2作为... 准确掌握城市绿地的面积和空间分布对于城市园林绿化规划和管理具有重要意义。针对U-Net网络提取城市绿地存在的参数冗余和边界特征丢失等问题,本研究提出一种基于改进U-Net网络的城市绿地信息自动提取方法。该方法采用MobileNetv2作为编码部分,结合交叉熵损失函数和Dice损失函数以提高模型的泛化性并解决样本不平衡的问题。同时,引入空间通道压缩与激励模块以解决边界特征提取不准确的问题,在提高模型精度和速度的同时,降低参数量。结果表明:(1)改进的U-Net模型在城市绿地提取的精度和速度方面优于其他4种经典模型,参数量仅为6.9M;相较于原始的U-Net模型,改进后U-Net模型的mIoU提高0.63%,参数量减少77.77%,平均帧数提高2.77倍,表明该方法在显著减少模型参数的同时,仍能保持较高的精确性。(2)实际应用方面,研究部署最优模型对长沙市区的绿地进行自动提取,共提取75549个绿地图斑,面积范围从0.0001hm^(2)到706.39hm^(2)不等;分区统计结果显示,岳麓区绿地面积最大,芙蓉区最小,与目视解译结果基本一致。本研究不仅提供了一种改进城市绿地提取精度和速度的方法,而且具有一定的实用价值,为城市绿化规划和管理提供有力的数据支持。 展开更多
关键词 信息提取 高分辨率遥感影像 MobileNetv2 U-Net网络 城市绿地
下载PDF
高分辨率人脸纹理图全流程生成方法
14
作者 朱宝旭 刘漫丹 +1 位作者 张雯婷 谢立志 《图学学报》 CSCD 北大核心 2024年第4期814-826,共13页
针对人脸纹理生成相关研究大部分聚焦于低分辨率纹理生成的问题,将图像翻译运用到高分辨率纹理图的生成中,提出一种以图像翻译网络为核心的1024×1024纹理图的全流程生成方法。在快速高效生成的同时,有效缓解了生成人脸UV纹理分辨... 针对人脸纹理生成相关研究大部分聚焦于低分辨率纹理生成的问题,将图像翻译运用到高分辨率纹理图的生成中,提出一种以图像翻译网络为核心的1024×1024纹理图的全流程生成方法。在快速高效生成的同时,有效缓解了生成人脸UV纹理分辨率低的问题。在图像翻译网络中,由卷积神经网络作为骨干网络,嵌入统计纹理学习网络(STLNet),并采用软自适应层实例规范化(Soft-AdaLIN)的归一化方法共同构成生成器,同时采用多尺度判别来指导高分辨率纹理图像的生成,最后进行颜色转换与泊松融合完成纹理校正。在FFHQ数据集随机抽取图像并进行人脸归一化后进行测试,通过一系列评价指标进行定量评估、同近年相关研究方法进行定性及定量比较,验证了该全流程生成方法在生成1024×1024人脸UV纹理图像上的优势。 展开更多
关键词 人脸图像翻译 人脸纹理图 高分辨率 生成对抗网络 统计纹理学习 纹理映射
下载PDF
高分辨率遥感图像双解耦语义分割网络模型 被引量：4
15
作者 刘帅 李笑迎 +1 位作者 于梦 邢光龙 《测绘学报》 EI CSCD 北大核心 2023年第4期638-647,共10页
语义分割是高空间分辨率遥感图像分析和理解的核心内容之一。现有基于深度学习的语义分割网络会导致遥感图像高频信息损失,边界分割不准确。针对此问题,本文提出一种双解耦语义分割网络模型,将提取的两级特征图解耦为具有高频特性的边... 语义分割是高空间分辨率遥感图像分析和理解的核心内容之一。现有基于深度学习的语义分割网络会导致遥感图像高频信息损失,边界分割不准确。针对此问题,本文提出一种双解耦语义分割网络模型,将提取的两级特征图解耦为具有高频特性的边界特征和具有低频特性的主体特征,并将解耦后的边界和主体特征图进行融合,从而改善高分辨率遥感图像语义分割性能。进一步提出了一种顾及边界和主体的损失函数,对地物要素及其边界和主体部分进行优化学习。在ISPRS Vaihingen和Potsdam 2D高空间分辨率遥感图像数据集上进行试验,与已有的遥感图像语义分割网络模型结果比较,双解耦语义分割网络模型能有效提高地物要素分割精度。 展开更多
关键词 高分辨率遥感图像 语义分割 双解耦网络 深度学习 特征融合
下载PDF
双路高分辨率转换网络的花色布匹瑕疵检测 被引量：2
16
作者 李辉 吕祥聪 +2 位作者 申贝贝 陶冶 王俊印 《计算机工程与设计》 北大核心 2023年第9期2731-2739,共9页
对布匹瑕疵图像中存在的复杂花色背景、小目标、尺度变化大、数量不均衡等问题进行研究,提出双路高分辨率转换网络的花色布匹瑕疵检测算法。利用双路高分辨率特征提取,消除复杂花色背景的影响;采用多尺度特征金字塔转换器,提高小瑕疵目... 对布匹瑕疵图像中存在的复杂花色背景、小目标、尺度变化大、数量不均衡等问题进行研究,提出双路高分辨率转换网络的花色布匹瑕疵检测算法。利用双路高分辨率特征提取,消除复杂花色背景的影响;采用多尺度特征金字塔转换器,提高小瑕疵目标检测的准确率;设计自适应边界框生成器,指导初始锚定框设计;采用改进的聚焦损失解决少数类瑕疵样本准确率不高的问题。实验结果表明,该算法能有效提升布匹瑕疵检测的准确率及定位精度,优于当前主流的布匹瑕疵检测算法。 展开更多
关键词 布匹瑕疵 小目标 尺度变化大 不平衡分类 双路高分辨率 转换网络 目标检测
下载PDF
基于高分辨率网络的轻量型人体姿态估计研究 被引量：4
17
作者 钟宝荣 吴夏灵 《计算机工程》 CAS CSCD 北大核心 2023年第4期226-232,239,共8页
现有人体姿态估计网络通常采用增加网络模型深度的方式来提高预测精度,但是导致网络模型的参数量以及运算复杂度增加。为此,在高分辨率网络的基础上提出一种融入Ghost模块、Sandglass模块以及注意力机制的轻量型人体姿态估计网络GSENet... 现有人体姿态估计网络通常采用增加网络模型深度的方式来提高预测精度,但是导致网络模型的参数量以及运算复杂度增加。为此,在高分辨率网络的基础上提出一种融入Ghost模块、Sandglass模块以及注意力机制的轻量型人体姿态估计网络GSENet。参考基础残差模块Bottleneck以及Basicblock,将Bottleneck模块中的标准卷积替换为Ghost卷积,并且将Basicblock模块中的卷积替换为Sandglass模块,通过这种方式重新构建基础模块GSEneck以及GSEblock。在此基础上,加入注意力机制以保证网络的预测精度。实验结果表明,相比HRNet,GSENet在COCO数据集上的参数量和运算复杂度分别减少84.6%和76.1%,在MPII数据集上的参数量和运算复杂度降低84.6%和76.8%,在保持一定预测精度的情况下,GSENet网络模型能够有效地减少网络参数量并降低运算复杂度。 展开更多
关键词 人体姿态估计 高分辨率网络 轻量型网络 注意力机制 深度卷积神经网络
下载PDF
基于特征金字塔融合高分辨率网络的光伏热斑识别 被引量：4
18
作者 孙海蓉 李莉 +1 位作者 周映杰 周黎辉 《太阳能学报》 EI CAS CSCD 北大核心 2023年第9期109-116,共8页
针对光伏热斑识别算法中存在的深层网络参数运算复杂、梯度信息易消失和模型退化准确率下降等问题,提出一种基于特征金字塔融合高分辨率网络的光伏热斑识别检测算法。首先,该算法搭建一种多分辨率子网并行连接的网络模型,解决深层网络... 针对光伏热斑识别算法中存在的深层网络参数运算复杂、梯度信息易消失和模型退化准确率下降等问题,提出一种基于特征金字塔融合高分辨率网络的光伏热斑识别检测算法。首先,该算法搭建一种多分辨率子网并行连接的网络模型,解决深层网络热斑细节信息丢失、特征冗余的难题。其次,引入特征金字塔的多尺度融合模块,跨层连接深浅层不同尺度特征图,解决特征语义的鸿沟、提高模型识别精度。实验结果表明:所提出的算法在光伏红外热斑图像数据集上的分类效果优于经典的深度卷积神经网络算法,准确率可达97.2%,可实现高精度高分辨率的热斑检测识别。 展开更多
关键词 光伏效应 特征提取 图像分类 高分辨率网络 热斑
原文传递
基于高分辨率网络的人体姿态估计 被引量：3
19
作者 朱翠涛 李博 《中南民族大学学报（自然科学版）》 CAS 北大核心 2023年第2期229-237,共9页
针对高分辨率网络中存在不同分支特征交叉融合导致参数量大、运算复杂度高等问题,提出了一种基于高分辨率检测网络(HRNet)的人体姿态估计优化网络模型.引入空洞空间卷积池化金字塔替代多分辨率分支网络交叉融合过程,同时引入注意力机制... 针对高分辨率网络中存在不同分支特征交叉融合导致参数量大、运算复杂度高等问题,提出了一种基于高分辨率检测网络(HRNet)的人体姿态估计优化网络模型.引入空洞空间卷积池化金字塔替代多分辨率分支网络交叉融合过程,同时引入注意力机制,提高网络输出特征图质量,从而保证改进后网络检测的准确度.在环境配置和网络输入图像分辨率一致的情况下,所提出的模型在COCO数据集上实验结果较HRNet相比参数量下降38.6%,运算复杂度下降35.2%.实验结果表明:改进后网络在检测精度略微下降的情况下,能有效降低参数量、运算复杂度. 展开更多
关键词 姿态估计 高分辨率网络 空洞卷积 人体检测 关键点相似度
下载PDF
基于多源高分辨率遥感影像的典型自然资源要素提取
20
作者 马锦山 贾国焕 +1 位作者 张赛 张炯 《测绘通报》 CSCD 北大核心 2024年第3期123-126,150,共5页
利用高分辨率遥感数据具有高空间分辨率的特性,本文以青海省西宁市0.3和1 m多源高分辨遥感影像为数据源,基于卷积神经网络深度学习算法进行典型自然资源要素提取。结果表明,0.3 m遥感影像提取耕地、林地准确率均在85%以上,召回率在89%以... 利用高分辨率遥感数据具有高空间分辨率的特性,本文以青海省西宁市0.3和1 m多源高分辨遥感影像为数据源,基于卷积神经网络深度学习算法进行典型自然资源要素提取。结果表明,0.3 m遥感影像提取耕地、林地准确率均在85%以上,召回率在89%以上;1 m遥感影像提取耕地林地准确率在90%以上,召回率在91%以上,研究成果可用于西宁市自然资源典型要素智能提取。 展开更多
关键词 高分辨率 卷积神经网络 深度学习 遥感解译
原文传递
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 2 … 23 下一页 到第 页
使用帮助 返回顶部