CSWin-Transformer与可形变卷积相结合的图像修复技术研究与实现

1

作者 刘海洋 胡永 《软件导刊》 2026年第1期119-126,共8页

针对现有图像修复模型修复大面积不规则缺损图像效果不佳、计算资源消耗大的问题,提出了一种CSWinTransformer与可形变卷积残差密集网络相结合的图像修复方法。首先,构建一个由全局层网络和局部层网络组成的生成模型,利用全局层CSWin-Tr... 针对现有图像修复模型修复大面积不规则缺损图像效果不佳、计算资源消耗大的问题,提出了一种CSWinTransformer与可形变卷积残差密集网络相结合的图像修复方法。首先,构建一个由全局层网络和局部层网络组成的生成模型,利用全局层CSWin-Transformer模块的条纹窗口在较低的计算复杂度下获取更大的感受野,增强其图像特征提取能力;其次,在CSWin-Transformer中加入一种新的门控深度卷积前馈网络,其能够进行有选择性的特征转换,即过滤掉信息量不足的特征,仅保留有价值的信息继续在网络的层级结构中流动;再次,通过并行局部层的可形变卷积残差密集块灵活对图像进行采样,增强结构纹理修复的精确度,同时,在上述并行生成模型之间,构建共享的注意力机制来促进全局和局部特征之间的信息交流;最终,采用谱归一化的马尔科夫判别模型进行对抗性训练。实验结果表明,提出的方法相较于其他方法在PSNR和SSIM指标上分别提升了2.47dB和0.075 2,在LPIPS指标上下降了0.092 4。 展开更多

关键词 深度学习 cswin-Transformer 门控深度卷积前馈网络 可形变卷积残差密集网络

在线阅读 下载PDF 职称材料

融合CSWin Transformer与聚焦线性注意力的图像分割方法

2

作者 王道荣 杨录 刘康驰 《传感器与微系统》 北大核心 2026年第4期29-33,共5页

为提高乳腺超声图像中肿瘤区域的分割精度并降低计算复杂度,提出一种融合十字形窗口Transformer(CSWin Transformer)与聚焦线性注意力(FLA)的分割模型FLA-CSWin-U-Net。该方法以U-Net为基本架构,编码器采用改进的聚焦线性注意力十字形窗... 为提高乳腺超声图像中肿瘤区域的分割精度并降低计算复杂度,提出一种融合十字形窗口Transformer(CSWin Transformer)与聚焦线性注意力(FLA)的分割模型FLA-CSWin-U-Net。该方法以U-Net为基本架构,编码器采用改进的聚焦线性注意力十字形窗口Transformer(FLA-CSWin Transformer)模块,增强全局上下文建模能力;引入聚焦线性注意力机制,强化关键区域特征交互,同时保持线性计算复杂度;解码器通过动态上采样(DySample)算子来提升细节还原效率。在公共数据集--BUSI数据集上的实验表明,所提模型Dice系数达到94.3%,较传统U-Net提升11.07%,参数量仅为23.06 M,计算量降至4.09 GFLOPs,使模糊边界与小病灶的分割效果得到显著改善,具有较高的临床实用价值和部署可行性。 展开更多

关键词 超声图像分割 十字形窗口Transformer 聚焦线性注意力 U-Net 深度学习 医学图像

在线阅读 下载PDF 职称材料

结合CSWin-Transformer和门卷积的壁画图像修复方法 被引量：7

3

作者 徐志刚 杨欣宇 《计算机工程与应用》 CSCD 北大核心 2024年第21期215-224,共10页

敦煌壁画是珍贵的文化遗产,但现存壁画存在着大量破损现象。针对现有图像修复方法在处理敦煌壁画时面临着计算复杂度高、纹理模糊和特征提取不足等问题,提出了一种结合CSWin-Transformer(cross stripe window-Transformer)和门卷积的壁... 敦煌壁画是珍贵的文化遗产,但现存壁画存在着大量破损现象。针对现有图像修复方法在处理敦煌壁画时面临着计算复杂度高、纹理模糊和特征提取不足等问题,提出了一种结合CSWin-Transformer(cross stripe window-Transformer)和门卷积的壁画图像修复方法。构建由全局层网络和局部层门卷积残差密集网络组成的并行网络,利用条纹窗口增强图像特征提取能力,并通过门卷积残差块提升结构纹理修复的准确性。设计全局-局部特征融合模块来融合全局层和局部层输出的特征图像,以保持修复结果整体的一致性。通过建立共享注意力机制实现全局层和局部层之间的信息交互,同时为了完成破损壁画的修复,采用谱归一化马尔科夫判别模型进行对抗训练。通过对真实破损壁画的修复实验,结果表明,所提方法在主客观指标上均优于所对比的方法。 展开更多

关键词 深度学习 壁画修复 门卷积 cswin-Transformer 全局-局部特征融合

在线阅读 下载PDF 职称材料

孪生架构CSwinTransformer-UNetv2遥感影像建筑物变化检测方法

4

作者 杨娇 陈林云 《城市勘测》 2025年第2期6-11,共6页

针对现有遥感变化检测模型未能够充分挖掘目标的全局及局部上下文特征,而导致提取结果精度不佳,错误提取较频繁等问题,提出一种基于CSwin Transformer的孪生架构遥感影像建筑物变化检测模型。在编码器端,采用孪生架构的多层CSwin Transf... 针对现有遥感变化检测模型未能够充分挖掘目标的全局及局部上下文特征,而导致提取结果精度不佳,错误提取较频繁等问题,提出一种基于CSwin Transformer的孪生架构遥感影像建筑物变化检测模型。在编码器端,采用孪生架构的多层CSwin Transformer来捕获建筑目标的局部特征与全局上下文特征;在特征解码器端,引入动态采样解码器对大尺寸特征图实施精确重建;在检测阶段,引入多样化分支模块检测头,通过多分支结构学习多元化的目标特征,然后以融合等效卷积核实现高效率的变化检测。实验结果表明,改进模型在提取精度方面优于当前主流建筑物变化检测模型,在不同复杂程度的遥感影像中,能够准确提取建筑物目标的边界及内部特征。 展开更多

关键词 遥感影像建筑变化检测 孪生架构 交叉形态窗口式变压器 动态采样解码器 多样化分支模块检测头

在线阅读 下载PDF 职称材料

黄瓜蜡质合成调控基因CsWIN1的克隆与功能初步分析 被引量：5

5

作者 李铖 潘健 +4 位作者 连红莉 王刚 何欢乐 潘俊松 蔡润 《园艺学报》 CAS CSCD 北大核心 2018年第2期359-370,共12页

从黄瓜中同源克隆了拟南芥中具有调控蜡质合成与代谢功能的基因WIN1/SHINE1,命名为CsWIN1。荧光定量PCR结果表明:CsWIN1在黄瓜植株的叶片和幼果中高表达;通过在拟南芥中过表达CsWIN1,发现其与已报道的WIN1/SHINE1过表达株系表型相似。... 从黄瓜中同源克隆了拟南芥中具有调控蜡质合成与代谢功能的基因WIN1/SHINE1,命名为CsWIN1。荧光定量PCR结果表明:CsWIN1在黄瓜植株的叶片和幼果中高表达;通过在拟南芥中过表达CsWIN1,发现其与已报道的WIN1/SHINE1过表达株系表型相似。通过对CsWIN1转基因株系的基因表达分析发现,蜡质合成相关基因的表达受到了调控。根据以上研究结果,推测CsWIN1与拟南芥WIN1/SHINE1在表皮蜡质合成调控上的功能是保守的,通过调控下游蜡质合成相关基因的表达从而影响蜡质的合成与代谢。 展开更多

关键词 黄瓜 表皮蜡质 cswin1 功能分析

原文传递

基于改进CSWin Transformer的肠道息肉影像分割方法

6

作者 赵宏 米珊 安定 《兰州理工大学学报》 2026年第2期91-98,共8页

针对传统UNet型肠道息肉分割模型分割精度不高的问题,提出一种基于改进CSWin Transformer的肠道息肉分割模型,分为编码器和解码器两大部分.首先,在编码阶段,利用带十字窗口的CSWin Transformer作为编码器提取肠道息肉影像的全局上下文信... 针对传统UNet型肠道息肉分割模型分割精度不高的问题,提出一种基于改进CSWin Transformer的肠道息肉分割模型,分为编码器和解码器两大部分.首先,在编码阶段,利用带十字窗口的CSWin Transformer作为编码器提取肠道息肉影像的全局上下文信息.并在每层编码器的CSWin Transformer块中引入卷积块注意力(CBAM),增强模型对息肉区域和边缘信息的捕获能力.其次,在解码阶段,同样使用CSWin Transformer作为解码器,通过跳跃连接使编码器与解码器相连.最后,在编码器与解码器的中间层利用自感知注意模块(SAA)建立特征间的非局部信息交互.在开源的Kvasir-SEG、CVC-ClinicDB、EndoTect和CVC-ColonDB数据集上进行实验,所提方法分别获得0.888、0.927、0.904和0.911的Dice系数,同时获得0.876、0.902、0.831和0.860的MIoU.相比传统U型肠道息肉分割模型,Dice系数和MIoU分别提升了2.1%和2.5%. 展开更多

关键词 肠道息肉分割 cswin Transformer 卷积块注意力 非局部信息交互 深度学习

在线阅读 下载PDF 职称材料

结合十字形窗口Transformer和卷积神经网络多尺度差异特征融合的耕地变化检测

7

作者 吴永俊 邓风飘 汪泓 《航天返回与遥感》 北大核心 2026年第1期131-145,共15页

针对耕地变化检测面临复杂场景、多尺度特征难以提取、细粒度变化易被忽略等问题,文章构建了一种结合十字形窗口(CSwin)Transformer和卷积神经网络(CNN)的变化检测模型。首先,该模型使用孪生CSwin Transformer分别提取两期影像的特征,... 针对耕地变化检测面临复杂场景、多尺度特征难以提取、细粒度变化易被忽略等问题,文章构建了一种结合十字形窗口(CSwin)Transformer和卷积神经网络(CNN)的变化检测模型。首先,该模型使用孪生CSwin Transformer分别提取两期影像的特征,以获取全局建模能力,并通过多尺度差异特征增强模块挖掘和增强孪生CSwin Transformer提取特征之间的差异信息,增强模型差异特征提取能力;同时通过CNN对双时像的差异特征进行提取,以获取局部感知能力。其次,在解码阶段设计了跨网络特征融合模块,将基于孪生CSwin Transformer和CNN提取的差异特征有效融合,充分结合二者优势。最后,结合特征金字塔和动态上采样方法,逐步恢复特征图尺寸,生成高精度的变化检测结果。将文章构建模型与孪生的Deeplabv3+、Deeplabv3、RefineNet、SNUNet、BIT模型在相同数据集上进行了对比实验,实验结果表明该方法平均F_(1)分数、平均交并比分别达到90.08%、82.13%,相较于其他模型,该方法能有效提高耕地变化检测精度,较好地对耕地变化信息进行提取。 展开更多

关键词 变化检测 耕地 十字形窗口自注意力 动态上采样

在线阅读 下载PDF 职称材料

基于改进SSD算法的葡萄叶病斑检测方法研究

8

作者 白滔 滕开良 《农业技术与装备》 2025年第6期3-7,共5页

针对葡萄叶病斑外观形状多变、病斑密集及小目标漏检等问题,提出了一种基于改进SSD算法的葡萄叶病斑检测算法。引入CSwin Transformer自注意力模块以实现局部特征与全局特征的有效交互。将原多尺度特征提取模块改成特征金字塔网络,以实... 针对葡萄叶病斑外观形状多变、病斑密集及小目标漏检等问题,提出了一种基于改进SSD算法的葡萄叶病斑检测算法。引入CSwin Transformer自注意力模块以实现局部特征与全局特征的有效交互。将原多尺度特征提取模块改成特征金字塔网络,以实现多尺度融合,并将CBAM注意力机制引入多尺度融合网络,以增强对小目标特征的捕捉能力。将原交叉熵损失函数替换为Focal Loss损失函数以缓解模型训练时正负样本失衡问题。实验结果表明,相较于SSD原模型,所提改进模型在2种病害检测精度上均有所提升,能够为田间葡萄叶病害检测提供新的选择方案。 展开更多

关键词 葡萄叶 病斑 SSD cswin Transformer 注意力机制

在线阅读 下载PDF 职称材料

DEC-Net:基于双分支嵌入连接的混凝土裂缝图像分割

9

作者 王帆 贾梦晔 +1 位作者 王艺萌 曹笑 《国防交通工程与技术》 2025年第4期24-28,34,共6页

混凝土建筑易受多重因素影响产生裂缝,影响美观与安全。深度学习因其泛化能力和鲁棒性在裂缝检测中成效显著,但仍面临挑战,尤其是细长裂缝检测。现有模型多依赖卷积神经网络或Transformer为特征提取主干,检测能力有限,为此提出基于双分... 混凝土建筑易受多重因素影响产生裂缝,影响美观与安全。深度学习因其泛化能力和鲁棒性在裂缝检测中成效显著,但仍面临挑战,尤其是细长裂缝检测。现有模型多依赖卷积神经网络或Transformer为特征提取主干,检测能力有限,为此提出基于双分支嵌入连接的混凝土裂缝图像分割模型。其中,Global Branch提取图像全局上下文信息特征;CNN Branch将原图像经过卷积得到特征图,此过程只改变通道数,而没有下采样,从而保留图片的空间细节信息。通过引入嵌入连接模块将Global Branch全局信息和CNN Branch局部信息进行融合;解码器逐步上采样,恢复特征图至原图大小。实验显示,该模型在Crack500和DeepCrack数据集上F1-Score值分别为77.75%和88.93%,提高了细长裂缝分割精度。 展开更多

关键词 混凝土裂缝 图像分割 cswin Transformer 双分支编码器

在线阅读 下载PDF 职称材料

基于YOLOv7-EPAN的光伏板红外图像缺陷检测 被引量：1

10

作者 李冰 赵宽 +4 位作者 白云山 郭聪彬 徐蔚 徐大伟 翟永杰 《红外技术》 CSCD 北大核心 2024年第11期1315-1324,共10页

光伏板是光伏电站重要组成部件,需定期对其进行检测,保证光伏电站安全运行。针对航拍光伏图像复杂背景下小目标难检测的问题,提出一种基于YOLOv7-EPAN的光伏板红外图像缺陷检测方法。首先提出融合CSWin Transformer的扩展高效网络CS-ELA... 光伏板是光伏电站重要组成部件,需定期对其进行检测,保证光伏电站安全运行。针对航拍光伏图像复杂背景下小目标难检测的问题,提出一种基于YOLOv7-EPAN的光伏板红外图像缺陷检测方法。首先提出融合CSWin Transformer的扩展高效网络CS-ELAN模块,捕获全局有效信息抑制背景信息;其次以CS-ELAN为基础构建高效路径特征聚合网络EPAN(Efficient path aggregation characteristic pyramid network),加强不同特征层的信息交互,丰富语义特征信息,提高特征表达能力;最后优化损失函数,使模型关注高质量先验框,提高小目标定位精度。在航拍光伏红外数据集上进行实验,结果表明:相比于原YOLOv7模型,所提方法的mAP50、mAP50:95分别提高了6.4%、3.3%,表明所提方法能较好地解决航拍光伏图像复杂背景下小目标缺陷漏检的问题。 展开更多

关键词 红外图像 缺陷检测 YOLOv7 深度学习 cswinTransformer 小目标

在线阅读 下载PDF 职称材料

基于十字形窗口的生成对抗网络模型

11

作者 王丹 王鹏程 +1 位作者 张桉祺 王子涵 《天津科技大学学报》 CAS 2024年第3期64-71,共8页

由于传统的生成对抗网络(generative adversarial network,GAN)都是以卷积神经网络(convolutional neural networks,CNN)作为基本框架,CNN无法处理远程依赖关系,因此会导致图片特征分辨率低和精细细节损失的问题。CSWin Transformer中... 由于传统的生成对抗网络(generative adversarial network,GAN)都是以卷积神经网络(convolutional neural networks,CNN)作为基本框架,CNN无法处理远程依赖关系,因此会导致图片特征分辨率低和精细细节损失的问题。CSWin Transformer中的十字形窗口自注意力机制可以有效捕获图像组件之间的远程依赖关系,本文提出一种基于CSWin Transformer的生成对抗网络模型CTGAN(CSWin Transformer GAN),模型在CIFAR-10数据集和更高分辨率的CelebA数据集上进行测试,模型表现出了较好的生成效果,可以生成保真度高且细节丰富的图片。 展开更多

关键词 生成对抗网络 cswin Transformer 生成模型

在线阅读 下载PDF 职称材料