期刊导航
期刊开放获取
vip
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
3
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
基于轻量级CNN-Transformer混合网络的梯田图像语义分割
被引量：
7
1
作者
刘茜
易诗
+2 位作者
李立
程兴豪
王铖
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第13期171-181,共11页
梯田是一种传统的农业种植方式,具有稳定作物生产与水土保持的作用。快速、准确地对梯田区域分布信息进行采集,对提高粮食产量、治理水土流失以及规划区域生态等具有重要的作用与意义。无人机图像梯田道路边界模糊、具有较长的带状结构...
梯田是一种传统的农业种植方式,具有稳定作物生产与水土保持的作用。快速、准确地对梯田区域分布信息进行采集,对提高粮食产量、治理水土流失以及规划区域生态等具有重要的作用与意义。无人机图像梯田道路边界模糊、具有较长的带状结构,为了更准确地获取梯田的边缘信息,受MobileVit启发,该研究在MobileViT block中引入了轴向注意力机制(axial attention),并采用编码器-解码器结构,提出了基于轻量级CNN-Transformer混合构架网络模型。模型编码器部分由改进的MobileViT block、融入了条形池化的逆残差模块和空洞空间金字塔池化模块构成,再通过有效设计摆放各模块的位置顺序来实现局部与全局的视觉表征信息交互,得到完整的全局特征表达;利用解码器对编码器提取到的多尺度特征图进行采样和卷积操作得到语义分割结果图。选取PSPNet、LiteSeg、BisNetv2、Deeplabv3Plus、MobileViT在相同测试集上进行对比试验,结果表明,该研究所提模型在精度与速度方面均具有一定的优势,其像素精度可达95.79%,频权交并比可达94.86%,模型参数量为8.32 M,实现了使用较少的参数和简单的方法对复杂无规则的无人机图像梯田区域较为准确的分割,将其部署到无人机上可以进一步获取梯田的形状、位置、轮廓等信息,可为预防和修护加固梯田提供重要的依据,同时有助于梯田区域种植面积和范围的统计,为梯田和旱作区农业建设的发展提供参考。
展开更多
关键词
图像处理
语义分割
轻量化模型
轴向注意力
梯田数据集
在线阅读
下载PDF
职称材料
基于密集残差生成对抗网络的红外图像去模糊
被引量：
1
2
作者
李立
易诗
+2 位作者
刘茜
程兴豪
王铖
《红外技术》
CSCD
北大核心
2024年第6期663-671,共9页
红外图像拍摄过程中,由于摄像设备抖动或目标快速移动会导致图像出现运动模糊,极大影响了有效信息的提取和识别。针对上述问题,本文在DeblurGAN基础上提出一种基于密集残差生成对抗网络的红外图像去模糊方法。该方法首先采用多尺度卷积...
红外图像拍摄过程中,由于摄像设备抖动或目标快速移动会导致图像出现运动模糊,极大影响了有效信息的提取和识别。针对上述问题,本文在DeblurGAN基础上提出一种基于密集残差生成对抗网络的红外图像去模糊方法。该方法首先采用多尺度卷积核,提取红外图像不同尺度和层次的特征。其次,采用密集残差块(residual-in-residual dense block,RRDB)代替原生成网络中的残差单元,改善恢复红外图像的细节信息。通过本课题组自制的红外图像数据集进行实验,结果表明所提出的方法与DeblurGAN相比PSNR提高3.60 dB,SSIM提高0.09,主观视觉去模糊效果较好,恢复后的红外图像边缘轮廓清晰且细节信息明显。
展开更多
关键词
生成对抗网络
密集残差块
红外图像
去运动模糊
在线阅读
下载PDF
职称材料
基于目标检测与跟踪的闭环智能监控实验平台
被引量：
1
3
作者
易诗
李立
+1 位作者
程兴豪
王铖
《实验科学与技术》
2022年第6期152-155,共4页
研发了一种基于目标检测与跟踪的闭环智能监控实验平台,该平台有机融合了机器视觉中运动目标检测算法、深度学习目标检测与分割框架和目标跟踪算法,形成了闭环智能监控方法。在智能图像处理基础上完成界面设计、邮件发送功能的集成化,...
研发了一种基于目标检测与跟踪的闭环智能监控实验平台,该平台有机融合了机器视觉中运动目标检测算法、深度学习目标检测与分割框架和目标跟踪算法,形成了闭环智能监控方法。在智能图像处理基础上完成界面设计、邮件发送功能的集成化,形成一个完备的监控平台,适用于室内外的智能监控。该实验平台的开发融合了机器视觉、人工智能、界面设计与通信技术,体现了实验系统的创新性,有利于培养信息工程类学生的探索能力、实践能力以及创新能力。
展开更多
关键词
目标检测
目标跟踪
智能监控
实验平台
在线阅读
下载PDF
职称材料
题名
基于轻量级CNN-Transformer混合网络的梯田图像语义分割
被引量：
7
1
作者
刘茜
易诗
李立
程兴豪
王铖
机构
成都理工大学机电工程学院
出处
《农业工程学报》
EI
CAS
CSCD
北大核心
2023年第13期171-181,共11页
基金
汽车测控与安全四川省重点实验室开放基金(QCCK2021-008)
成都理工大学高等教育人才培养质量和教学改革项目(JG2130216)。
文摘
梯田是一种传统的农业种植方式,具有稳定作物生产与水土保持的作用。快速、准确地对梯田区域分布信息进行采集,对提高粮食产量、治理水土流失以及规划区域生态等具有重要的作用与意义。无人机图像梯田道路边界模糊、具有较长的带状结构,为了更准确地获取梯田的边缘信息,受MobileVit启发,该研究在MobileViT block中引入了轴向注意力机制(axial attention),并采用编码器-解码器结构,提出了基于轻量级CNN-Transformer混合构架网络模型。模型编码器部分由改进的MobileViT block、融入了条形池化的逆残差模块和空洞空间金字塔池化模块构成,再通过有效设计摆放各模块的位置顺序来实现局部与全局的视觉表征信息交互,得到完整的全局特征表达;利用解码器对编码器提取到的多尺度特征图进行采样和卷积操作得到语义分割结果图。选取PSPNet、LiteSeg、BisNetv2、Deeplabv3Plus、MobileViT在相同测试集上进行对比试验,结果表明,该研究所提模型在精度与速度方面均具有一定的优势,其像素精度可达95.79%,频权交并比可达94.86%,模型参数量为8.32 M,实现了使用较少的参数和简单的方法对复杂无规则的无人机图像梯田区域较为准确的分割,将其部署到无人机上可以进一步获取梯田的形状、位置、轮廓等信息,可为预防和修护加固梯田提供重要的依据,同时有助于梯田区域种植面积和范围的统计,为梯田和旱作区农业建设的发展提供参考。
关键词
图像处理
语义分割
轻量化模型
轴向注意力
梯田数据集
Keywords
image process
semantic segmentation
lightweight model
axial attention
terraced dataset
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
基于密集残差生成对抗网络的红外图像去模糊
被引量：
1
2
作者
李立
易诗
刘茜
程兴豪
王铖
机构
成都理工大学机电工程学院
出处
《红外技术》
CSCD
北大核心
2024年第6期663-671,共9页
基金
四川省自然科学基金面上项目(24NSFSC1481)
成都理工大学高等教育人才培养质量和教学改革项目(JG2130216)。
文摘
红外图像拍摄过程中,由于摄像设备抖动或目标快速移动会导致图像出现运动模糊,极大影响了有效信息的提取和识别。针对上述问题,本文在DeblurGAN基础上提出一种基于密集残差生成对抗网络的红外图像去模糊方法。该方法首先采用多尺度卷积核,提取红外图像不同尺度和层次的特征。其次,采用密集残差块(residual-in-residual dense block,RRDB)代替原生成网络中的残差单元,改善恢复红外图像的细节信息。通过本课题组自制的红外图像数据集进行实验,结果表明所提出的方法与DeblurGAN相比PSNR提高3.60 dB,SSIM提高0.09,主观视觉去模糊效果较好,恢复后的红外图像边缘轮廓清晰且细节信息明显。
关键词
生成对抗网络
密集残差块
红外图像
去运动模糊
Keywords
generative adversarial network
residual-in-residual dense block
infrared image
motion deblurring
分类号
TP391.4 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
基于目标检测与跟踪的闭环智能监控实验平台
被引量：
1
3
作者
易诗
李立
程兴豪
王铖
机构
成都理工大学机电工程学院
出处
《实验科学与技术》
2022年第6期152-155,共4页
基金
成都理工大学2021—2023年高等教育人才培养质量和教学改革项目(JG2130109,JG2130216)。
文摘
研发了一种基于目标检测与跟踪的闭环智能监控实验平台,该平台有机融合了机器视觉中运动目标检测算法、深度学习目标检测与分割框架和目标跟踪算法,形成了闭环智能监控方法。在智能图像处理基础上完成界面设计、邮件发送功能的集成化,形成一个完备的监控平台,适用于室内外的智能监控。该实验平台的开发融合了机器视觉、人工智能、界面设计与通信技术,体现了实验系统的创新性,有利于培养信息工程类学生的探索能力、实践能力以及创新能力。
关键词
目标检测
目标跟踪
智能监控
实验平台
Keywords
target detection
target tracking
intelligent monitoring
experimental platform
分类号
TP242 [自动化与计算机技术—检测技术与自动化装置]
G642 [文化科学—高等教育学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于轻量级CNN-Transformer混合网络的梯田图像语义分割
刘茜
易诗
李立
程兴豪
王铖
《农业工程学报》
EI
CAS
CSCD
北大核心
2023
7
在线阅读
下载PDF
职称材料
2
基于密集残差生成对抗网络的红外图像去模糊
李立
易诗
刘茜
程兴豪
王铖
《红外技术》
CSCD
北大核心
2024
1
在线阅读
下载PDF
职称材料
3
基于目标检测与跟踪的闭环智能监控实验平台
易诗
李立
程兴豪
王铖
《实验科学与技术》
2022
1
在线阅读
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
