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9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：
基于复杂纹理特征融合的材料图像分割方法
1
作者 韩越兴 杨珅 +1 位作者 陈侨川 王冰 《计算机工程与设计》 北大核心 2024年第1期220-227,共8页
为解决材料图像分割中存在小样本、纹理复杂和数据分布不平衡的问题,抓住材料图像同相像素具有高度相似性的特性,提出一种基于复杂纹理特征融合的材料图像分割方法。在编码阶段,使用全卷积神经网络(FCN)作为基础网络,VGG16作为骨干网络... 为解决材料图像分割中存在小样本、纹理复杂和数据分布不平衡的问题,抓住材料图像同相像素具有高度相似性的特性,提出一种基于复杂纹理特征融合的材料图像分割方法。在编码阶段,使用全卷积神经网络(FCN)作为基础网络,VGG16作为骨干网络;将改进的FCN的每层的特征图放入设计的级联的特征融合模块(CFF block),融合高低层语义信息;将融合的特征图放入多尺度学习模块(multi-scale block)进一步提取纹理特征。在解码阶段,对特征图施加注意力机制(Attention block),保留关键的特征图;针对材料图像中数据不平衡问题,采用并改进Dice损失,优化分割结果。通过对比实验和消融实验验证该方法的mIoU在多个数据集上均优于经典的深度学习方法。 展开更多
关键词 材料图像分割 全卷积神经网络 特征融合 dice损失 交叉熵损失 注意力机制 小样本
下载PDF
基于改进PSPNet的掩模优化算法
2
作者 祁攀 汤府鑫 徐辉 《兰州工业学院学报》 2024年第1期6-11,共6页
针对现有深度学习方法中掩模生成质量较低的问题,提出了一种改进的PSPNet掩模优化模型,能够生成较高质量的掩模。保留PSPNet中提取网络ResNet50优秀的残差设计,在此基础上增加卷积注意力机制模块,使模型更加关注掩模边缘,将边缘信息充... 针对现有深度学习方法中掩模生成质量较低的问题,提出了一种改进的PSPNet掩模优化模型,能够生成较高质量的掩模。保留PSPNet中提取网络ResNet50优秀的残差设计,在此基础上增加卷积注意力机制模块,使模型更加关注掩模边缘,将边缘信息充分的保留至下一层,便于最后上采样生成掩模。上采样过程中只使用双线性插值会导致冗余信息的增加,将双线性插值和像素重组融合,在提高上采样过程的分辨率的同时,保留更多特征,不增加冗余信息,提高掩模生成的质量。最后,加入DICE损失函数,与传统回归损失MSE结合,联合优化模型。结果表明:改进后网络较改进前掩模质量提升了7.1%,同时生成的掩模冗余更少,拐角更加顺滑,便于制造。 展开更多
关键词 掩模优化 ResNet50 卷积注意力机制 dice损失
下载PDF
基于深度学习和形态学的海底沙波谷线提取
3
作者 刘晓亚 韩留生 +3 位作者 李正元 范俊甫 张大富 孙广伟 《海洋测绘》 CSCD 北大核心 2023年第2期65-68,73,共5页
为了提高基于侧扫声纳图像提取海底沙波谷线这种类别不均衡线状地物的精度,提出了一种深度学习与数学形态学相结合的方法。该方法采用Dice损失函数和添加批标准化(batch normalization, BN),对U型卷积神经网络模型(U-Net)进行改进;结合... 为了提高基于侧扫声纳图像提取海底沙波谷线这种类别不均衡线状地物的精度,提出了一种深度学习与数学形态学相结合的方法。该方法采用Dice损失函数和添加批标准化(batch normalization, BN),对U型卷积神经网络模型(U-Net)进行改进;结合数学形态学中的闭运算和骨架法,对沙波谷线轮廓进行修复并提取线性特征;进一步将改进的U-Net模型与支持向量机(support vector machine, SVM)、随机森林(random forest, RF)、面向对象分类以及U-Net模型进行精度对比验证。结果表明:改进的U-Net模型能够解决类别不均衡的问题,实现沙波谷线的高精度提取,该方法对海底沙波的研究具有重要的科学与工程应用价值。 展开更多
关键词 海底地形测量 侧扫声纳 提取海底沙波谷线 U型卷积神经网络 数学形态学 dice损失函数
下载PDF
基于语义生成与语义分割的机织物缺陷检测方法
4
作者 马浩然 张团善 +1 位作者 王峰 赵浩铭 《轻工机械》 CAS 2023年第1期66-73,共8页
针对织物疵点的语义分割任务中因数据集规模限制,而导致网络出现的严重过拟合问题,课题组提出了针对织物的语义生成网络。语义生成网络使用随机产生的语义标签生成对应的织物缺陷图像,相较于传统数据增强方法,语义生成可生成全新图像,... 针对织物疵点的语义分割任务中因数据集规模限制,而导致网络出现的严重过拟合问题,课题组提出了针对织物的语义生成网络。语义生成网络使用随机产生的语义标签生成对应的织物缺陷图像,相较于传统数据增强方法,语义生成可生成全新图像,更贴近实际缺陷分布,并且可通过判别器对生成图像进行筛选;课题组将语义生成的图像作为语义分割网络的输入,相应的随机语义标签作为目标,免去标注过程,扩充语义分割网络的训练样本,提升网络性能;对于语义分割网络,提出尺寸自适应Dice损失函数,解决样本不平衡问题,提升网络对小尺寸的检测能力。实验结果表明:尺寸自适应Dice损失函数使得模型精度提高11.1%,使用BEGAN扩充的数据集相较于传统方法扩充的数据集训练得到的模型精度提高7.4%。 展开更多
关键词 机织物缺陷检测 语义分割 语义生成网络 尺寸自适应dice损失函数 BEGAN 免标注
下载PDF
基于改进U型神经网络的脑出血CT图像分割 被引量：4
5
作者 胡敏 周秀东 +2 位作者 黄宏程 张光华 陶洋 《电子与信息学报》 EI CSCD 北大核心 2022年第1期127-137,共11页
针对脑出血CT图像病灶部位的多尺度性导致分割精度较低的问题,该文提出一种基于改进U型神经网络的图像分割模型(AU-Net+)。首先,该模型利用U-Net中的编码器对脑出血CT图像特征编码,将提出的残差八度卷积(ROC)块应用到U型神经网络的跳跃... 针对脑出血CT图像病灶部位的多尺度性导致分割精度较低的问题,该文提出一种基于改进U型神经网络的图像分割模型(AU-Net+)。首先,该模型利用U-Net中的编码器对脑出血CT图像特征编码,将提出的残差八度卷积(ROC)块应用到U型神经网络的跳跃连接部分,使不同层次的特征更好地融合;其次,对融合后的特征,分别引入混合注意力机制,用以提高对目标区域的特征提取能力;最后,通过改进Dice损失函数进一步加强模型对脑出血CT图像中小目标区域的特征学习力度。为验证模型的有效性,在脑出血CT图像数据集上进行实验,同U-Net,Attention U-Net,UNet++以及CE-Net相比,mIoU指标分别提升了20.9%,3.6%,7.0%,3.1%,表明AU-Net+模型具有更好的分割效果。 展开更多
关键词 脑出血CT图像分割 注意力机制 dice损失函数 残差八度卷积模块
下载PDF
基于全卷积DenseNet的前列腺MRI分割新方法 被引量：4
6
作者 胡学刚 杨洪光 《计算机应用研究》 CSCD 北大核心 2020年第6期1886-1889,1894,共5页
前列腺磁共振图像(MRI)的自动分割对前列腺疾病的诊断至关重要,但是前列腺区域所占比例过小、组织边界模糊等问题为自动分割带来极大困难。针对这些问题,提出了一种基于全卷积DenseNet的前列腺MRI图像分割方法。该方法以现流行的深度学... 前列腺磁共振图像(MRI)的自动分割对前列腺疾病的诊断至关重要,但是前列腺区域所占比例过小、组织边界模糊等问题为自动分割带来极大困难。针对这些问题,提出了一种基于全卷积DenseNet的前列腺MRI图像分割方法。该方法以现流行的深度学习理论为基础,利用迁移学习的思想,将DenseNet从自然图像迁移到前列腺数据集;采用反卷积和类似U-Net的全卷积神经网络结构,实现端到端的图像分割。同时引入并改进Dice相似性损失函数以解决前列腺MRI中背景所占比例远远大于前列腺区域和一些像素难以准确分割等问题。通过在PROMISE12数据集上进行实验,提出的方法 Dice相似性系数达到93. 25%,Hausdorff距离小于1. 2 mm,相较于目前的主要方法,分割效果更好、所耗时间更短。 展开更多
关键词 前列腺MRI分割 DenseNet 全卷积神经网络 dice损失函数
下载PDF
基于深度学习的人体轮廓识别 被引量：1
7
作者 贾群喜 张伟民 +1 位作者 孙占鹏 户肖剑 《现代信息科技》 2020年第23期90-93,共4页
为了解决人体轮廓识别精度不高,鲁棒性不好的问题,在保证实时性的要求下,提出了一种基于深度学习的人体轮廓识别方法,该方法采用U-Net神经网络框架,建立特定视角的数据集,利用高斯滤波进行图像预处理操作,设计使用Dice和交叉熵函数相结... 为了解决人体轮廓识别精度不高,鲁棒性不好的问题,在保证实时性的要求下,提出了一种基于深度学习的人体轮廓识别方法,该方法采用U-Net神经网络框架,建立特定视角的数据集,利用高斯滤波进行图像预处理操作,设计使用Dice和交叉熵函数相结合的损失函数进行训练。实验表明,该方法的重合度为91.85%,单次识别耗时为50.56 ms,在保证精度和实时性的前提下,也保证了对不同环境的适应性,在实际应用中有良好的价值。 展开更多
关键词 人体轮廓 U-Net神经网络 dice损失函数 高斯滤波
下载PDF
一种基于改进ResU-Net的角膜神经分割算法 被引量：8
8
作者 郝华颖 赵昆 +3 位作者 苏攀 张辉 赵一天 刘江 《计算机工程》 CAS CSCD 北大核心 2021年第1期217-223,共7页
角膜神经图像的自动分割对于糖尿病神经病变等疾病的诊断与筛查至关重要。针对由于角膜神经图像存在对比度低且包含非神经结构而造成分割效率较低的问题,在ResU-Net结构基础上引入多尺度残差、注意力机制、多尺度图像输入与多层损失函... 角膜神经图像的自动分割对于糖尿病神经病变等疾病的诊断与筛查至关重要。针对由于角膜神经图像存在对比度低且包含非神经结构而造成分割效率较低的问题,在ResU-Net结构基础上引入多尺度残差、注意力机制、多尺度图像输入与多层损失函数输出模块,提出一种基于注意力机制的角膜神经分割算法。多尺度残差模块通过在残差模块中加入多尺度表征信息以提高卷积层提取多尺度特征的能力,而注意力机制模块在双重注意力作用下,利用网络对编码器与解码器中的目标特征进行权重优化,使得在增强图像目标区域特征的同时抑制背景及噪声区域,并采用多尺度图像输入与多层函数输出模块以监督网络中每一层的特征学习。实验结果表明,与主流分割算法相比,该算法的分割效果更优,且曲线下面积与敏感度分别可达到0.990和0.880。 展开更多
关键词 角膜神经 多尺度残差 注意力机制 ResU-Net结构 dice系数损失函数
下载PDF
基于CBAM-Res_UNet电厂高压蒸汽泄漏检测研究 被引量：10
9
作者 彭道刚 刘薇薇 +1 位作者 戚尔江 胡捷 《电子测量与仪器学报》 CSCD 北大核心 2021年第12期206-214,共9页
发电厂高压蒸汽泄漏检测关乎电厂设备长期稳定运行。为了提高电厂高压蒸汽泄漏检测的准确性,解决泄漏区域的错分割和漏分割问题,提出基于CBAM-Res_UNet图像分割网络的电厂高压蒸汽泄漏检测算法,在UNet结构中加入ResNet的残差块residual_... 发电厂高压蒸汽泄漏检测关乎电厂设备长期稳定运行。为了提高电厂高压蒸汽泄漏检测的准确性,解决泄漏区域的错分割和漏分割问题,提出基于CBAM-Res_UNet图像分割网络的电厂高压蒸汽泄漏检测算法,在UNet结构中加入ResNet的残差块residual_block来获取泄漏图像更多的语义信息,并且融入CBAM,加强高压蒸汽泄漏图像区域特征的学习,网络再根据不同损失函数和评价标准对图像分割结果的影响,选择损失函数Focal Loss+Dice Loss和性能指标F1_score。通过在电厂高压蒸汽泄漏图像数据集上进行实验,CBAM-Res_UNet网络得到的F1_score值为0.985,实验结果表明,该网络可以更加完整的分割出蒸汽泄漏区域,对高压蒸汽泄漏图像多样性有较强的泛化能力。 展开更多
关键词 电厂高压蒸汽泄漏检测 CBAM-Res_UNet图像分割网络 损失函数Focal Loss+dice Loss 性能指标F1_score
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 下一页 到第 页
使用帮助 返回顶部