基于双分支深度图卷积网络的指静脉识别研究

1

作者 程俊军 王明文 《计算机工程》 北大核心 2026年第3期152-160,共9页

基于图卷积神经网络(GCNN)的指静脉识别方法不仅可以解决传统指静脉识别方法识别率较低的问题,还可以解决其计算量大的问题。针对目前指静脉图模型结构不稳定和匹配效率因模型增大而下降的问题,采用SLIC(Simple Linear Iterative Cluste... 基于图卷积神经网络(GCNN)的指静脉识别方法不仅可以解决传统指静脉识别方法识别率较低的问题,还可以解决其计算量大的问题。针对目前指静脉图模型结构不稳定和匹配效率因模型增大而下降的问题,采用SLIC(Simple Linear Iterative Clustering)超像素分割算法来构建加权图并改变GCNN提取加权图的图级特征。为了有效抓取图数据中的高阶特征并避免过平滑,建立一种双分支多交互的深度图卷积网络(GCN),旨在提升节点对高阶特征的掌握能力。首先根据节点特征对图结构进行调整;然后结合原始和重构后的图结构,构建了双分支网络架构以充分挖掘高阶特征;最后设计一种通道信息互动机制,以促进不同分支间的信息交流,从而提高特征的多样性。实验结果显示,在多个标准数据集上进行指静脉识别任务时,该网络能减少单张图片识别时间,提高识别效率,并有效减轻过平滑现象,相较于单分支的GCN,在识别精度上平均取得了超过1.5百分点的性能提升。 展开更多

关键词 指静脉识别 图像分割算法 图卷积神经网络 交叉熵函数 通道信息交互

在线阅读 下载PDF 职称材料

基于改进交叉注意力的高效医学图像分割方法

2

作者 陈亦男 雷尧 史健婷 《计算机技术与发展》 2026年第2期78-86,共9页

在医学图像分割领域,高性能的U-Net模型会在跳跃连接部分设计特征融合模块以整合多尺度特征,提高分割效果,但是模型参数量与计算量大幅上涨,对硬件性能要求苛刻。该文提出了基于部分通道交叉注意力的U型分割网络UPCCANet,将单头与部分... 在医学图像分割领域,高性能的U-Net模型会在跳跃连接部分设计特征融合模块以整合多尺度特征,提高分割效果,但是模型参数量与计算量大幅上涨,对硬件性能要求苛刻。该文提出了基于部分通道交叉注意力的U型分割网络UPCCANet,将单头与部分通道计算设计引入交叉注意力,并在通道维度上进行特征融合。该方法在有效融合多尺度信息的同时大大提高了计算效率。UPCCANet采用了InceptionNeXt作为编码器提取深层特征,并构建了对称的基于InceptionNeXt Block的解码器。此外,由于星运算操作具有隐式高维的特点,该文将其思想融入网络的MLP模块设计中。在ISIC-2018、BUSI和CVC-ClinicDB公共数据集上的实验结果表明,与其他模型相比,该方法以较低的参数量和最低的计算量实现了优秀的分割效果,证明了该方法分割的有效性。与同样基于交叉注意力的UCTransNet相比,以ISIC-2018数据集为例,该方法在DSC和IoU指标上分别提高了1.43%,2.86%,在HD指标上降低了2.99 mm,参数量降低了81.17%,计算量降低了84.53%。 展开更多

关键词 深度学习 医学图像分割 U-Net网络 特征融合 通道交叉注意力

在线阅读 下载PDF 职称材料

基于交叉协同注意力网络的小样本肠道息肉图像语义分割 被引量：1

3

作者 张浩 曹磊 马利亚 《中国数字医学》 2025年第1期39-44,共6页

目的:提高肠道息肉图像语义分割模型对查询图片中未知目标的分割性能。方法:提出一种基于交叉协同注意力网络的小样本肠道息肉图像语义分割方法。首先,利用预训练的VGG-16网络提取支持图片和查询图片的视觉特征;然后,利用支持特征和查... 目的:提高肠道息肉图像语义分割模型对查询图片中未知目标的分割性能。方法:提出一种基于交叉协同注意力网络的小样本肠道息肉图像语义分割方法。首先,利用预训练的VGG-16网络提取支持图片和查询图片的视觉特征;然后,利用支持特征和查询特征建立分支间特征的交叉融合,促进分支间特征语义的对齐;最后,利用无参数的度量方法,逐像素实现查询图片中每一位置的像素分类。结果:在Kvasir-SEG等4个开源的肠道息肉图像数据集中,本研究所提出方法的前景背景交并比(FB-IoU)分值均优于经典的医学图像语义分割模型U-Net。结论:基于交叉协同注意力网络的小样本肠道息肉图像语义分割方法可以精准定位支持图片和查询图片中的息肉区域,具有较好的分割性能。 展开更多

关键词 肠道息肉 图像语义分割 交叉协同注意力网络 语义对齐

暂未订购

一种时空特征融合的剩余寿命预测方法

4

作者 龚永奇 郭基联 +1 位作者 张亮 唐希浪 《信息工程大学学报》 2025年第4期438-443,共6页

针对剩余寿命预测精度低、退化特征难提取等问题,提出一种基于时空特征融合的剩余寿命预测方法。首先,构造双通道深度学习网络,通道1采用基于通道注意力机制的长短期记忆神经网络提取时间维度的退化信息,通道2采用语义分割网络挖掘空间... 针对剩余寿命预测精度低、退化特征难提取等问题,提出一种基于时空特征融合的剩余寿命预测方法。首先,构造双通道深度学习网络,通道1采用基于通道注意力机制的长短期记忆神经网络提取时间维度的退化信息,通道2采用语义分割网络挖掘空间维度的退化信息;其次,利用交叉注意力机制融合时空特征;最后,采用回归层实现剩余寿命预测。在商用模块化航空推进系统仿真数据集进行实验验证,结果表明,与其他深度学习方法相比,该方法在FD004测试集中均方根误差降低了16.21%,评分函数值降低了14.97%,实现剩余寿命的高精度预测。 展开更多

关键词 剩余寿命预测 时空特征融合 长短期记忆网络 语义分割网络 交叉注意力机制

在线阅读 下载PDF 职称材料

基于交叉注意力网络的小样本地铁轨道-车轮图像分割算法

5

作者 曹建新 张月莹 +1 位作者 姜伟昊 高鋆豪 《城市轨道交通研究》 北大核心 2025年第7期177-182,共6页

[目的]地铁轨道图像间的域自适应问题使得现有算法对于类间相似性的轨道-车轮图像分割精度不高。对此,提出基于交叉注意力网络的小样本地铁轨道-车轮图像分割算法。[方法]详细阐述了基于交叉注意力网络的小样本地铁轨道-车轮图像分割算... [目的]地铁轨道图像间的域自适应问题使得现有算法对于类间相似性的轨道-车轮图像分割精度不高。对此,提出基于交叉注意力网络的小样本地铁轨道-车轮图像分割算法。[方法]详细阐述了基于交叉注意力网络的小样本地铁轨道-车轮图像分割算法的计算思路及过程。首先,利用一组共享权重的主干网络将支持分支和查询分支的输入轨道-车轮图片映射到深度特征空间;然后,将双分支映射特征的低层、中间层和高层特征进行尺度融合,并利用交叉注意力网络挖掘双分支融合特征间的关联语义,捕获相同类的不同地铁轨道-车轮图片在深度空间中的共有语义信息;最后,利用平均池化将双分支共有特征转换为类的特定原型,并利用原型指导查询图片中未标注轨道-车轮图片的分割。在自建的地铁轨道-车轮图像数据集上进行对比试验及消融试验,以验证算法的精度及有效性。[结果及结论]经测试,所提算法的mIoU(平均并交比)达66.17%,FB-IoU(前景背景并交比)达78.21%的FB-IoU。与当前主流的语义分割算法相比,基于交叉注意力网络的小样本地铁轨道-车轮图像分割算法分割性能提升效果明显,其实际应用价值较好。 展开更多

关键词 地铁 轨道-车轮 图像分割 交叉注意力网络 双分支网络 小样本学习

在线阅读 下载PDF 职称材料

MCCNET:特征增强的双分支多器官图像分割模型

6

作者 郭俊林 陈平华 +1 位作者 陈一嘉 詹晗晖 《计算机系统应用》 2025年第6期21-32,共12页

针对腹部CT图像多器官分割面临的不同器官大小形态不一、相邻器官边界难以确认以及低对比度等挑战问题,提出一种特征增强的双分支多器官分割模型.模型总体采取编码器-解码器结构:编码器采取主/从双分支结构,主分支使用Mamba捕捉多器官... 针对腹部CT图像多器官分割面临的不同器官大小形态不一、相邻器官边界难以确认以及低对比度等挑战问题,提出一种特征增强的双分支多器官分割模型.模型总体采取编码器-解码器结构:编码器采取主/从双分支结构,主分支使用Mamba捕捉多器官全局依赖信息,从分支使用CNN逐层提取多器官局部信息,同时设计级联上下文模块将从分支局部细节特征补充到主分支中;解码器设计多尺度特征融合模块和深度特征增强模块,多尺度特征融合模块对跨层级特征信息进行融合,增强多器官边界分割锐度,深度特征增强模块应用交叉注意机制提高器官前景与背景的对比度,减少背景信息对分割的干扰.在Synapse和ACDC两组公开数据集上的实验结果表明,与近几年主要基线模型相比,所提模型的Dice相似系数(DSC)、HD95指标均具有一定的提升. 展开更多

关键词 多器官图像分割 Mamba 卷积神经网络 交叉注意力机制

在线阅读 下载PDF 职称材料

多层级视频会议系统跨网段融合技术的应用 被引量：4

7

作者 赵士达 马蕴玢 +3 位作者 朱宏 孙选超 杨朝 赵博宇 《华南地震》 2024年第1期105-110,共6页

通过介绍天津市地震局应急视频会议系统接入中国地震局视频会议系统、天津市政府视频系统和天津应急管理局视频系统的基本情况,结合地震应急视频会议系统现状,分析多类型、多层级、多网段视频会议系统的架构特点,着重介绍了多网段、多... 通过介绍天津市地震局应急视频会议系统接入中国地震局视频会议系统、天津市政府视频系统和天津应急管理局视频系统的基本情况,结合地震应急视频会议系统现状,分析多类型、多层级、多网段视频会议系统的架构特点,着重介绍了多网段、多视频源视频转发优化技术在视频会议系统融合中的应用。通过该技术的应用,实现了天津市地震应急视频会议系统与各相关单位视频会议系统的全部连通。 展开更多

关键词 视频会议系统 视频融合 跨网段 视频转发 级联

在线阅读 下载PDF 职称材料

基于ABC-PCNN模型的图像分割 被引量：5

8

作者 廖传柱 张旦 江铭炎 《南京理工大学学报》 EI CAS CSCD 北大核心 2014年第4期558-565,共8页

为使标准脉冲耦合神经网络(Pulse coupled neural network,PCNN)模型在图像分割中能够自适应地调整模型参数与全局阈值,提高分割效果,该文提出一种基于人工蜂群(Artificial bee colony,ABC)算法改进的自适应PCNN模型,即人工蜂群算法-脉... 为使标准脉冲耦合神经网络(Pulse coupled neural network,PCNN)模型在图像分割中能够自适应地调整模型参数与全局阈值,提高分割效果,该文提出一种基于人工蜂群(Artificial bee colony,ABC)算法改进的自适应PCNN模型,即人工蜂群算法-脉冲耦合神经网络(ABCPCNN)模型;提出了改进后的乘积型交叉熵函数,并利用ABC算法将此函数作为其适应度函数优化输出其连接系数和阈值。采用Lena图像和血细胞图像评估PCNN模型和ABC-PCNN模型的性能。实验结果表明:ABC-PCNN模型对图像的自适应分割效果优于PCNN模型。针对血细胞分割图像中存在的重叠区域,该文结合角点和质点坐标定位重叠区域的二次分割线得到最终分割图像,所提算法高效且能得到较好的分割结果。 展开更多

关键词 脉冲耦合神经网络 人工蜂群算法 人工蜂群算法-脉冲耦合神经网络模型 乘积型交叉熵 图像分割

在线阅读 下载PDF 职称材料

一种基于简化PCNN的红外图像分割方法 被引量：9

9

作者 陈兴杰 柴晓冬 《安徽大学学报（自然科学版）》 CAS 北大核心 2010年第1期74-77,共4页

提出一种基于简化脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的红外图像分割新方法.针对红外航拍图像所具有的噪声大、灰度范围较窄以及具有对比度反转现象等特征,从原始图像与分割图像的相似性出发,采用最大互相关匹配来确... 提出一种基于简化脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)的红外图像分割新方法.针对红外航拍图像所具有的噪声大、灰度范围较窄以及具有对比度反转现象等特征,从原始图像与分割图像的相似性出发,采用最大互相关匹配来确定PCNN的最优参数,最终完成图像分割.实验结果验证了该方法的有效性. 展开更多

关键词 红外图像分割 脉冲耦合神经网络 互相关匹配

在线阅读 下载PDF 职称材料

结合灰度熵变换的PCNN小目标图像检测新方法 被引量：5

10

作者 刘勍 许录平 +1 位作者 马义德 张华 《北京理工大学学报》 EI CAS CSCD 北大核心 2009年第12期1085-1090,共6页

为了自动地进行小目标图像分割检测,从含单一弱小目标图像的特征出发,提出了一种结合灰度熵变换的脉冲耦合神经网络(PCNN)小目标图像分割检测新方法.该方法在对有随机噪声和复杂背景图像进行非线性灰度熵变换滤波的基础上,考虑灰度熵值... 为了自动地进行小目标图像分割检测,从含单一弱小目标图像的特征出发,提出了一种结合灰度熵变换的脉冲耦合神经网络(PCNN)小目标图像分割检测新方法.该方法在对有随机噪声和复杂背景图像进行非线性灰度熵变换滤波的基础上,考虑灰度熵值灰度图在满足先验概率目标背景比条件下,选择包含单一小目标局部窗口作为处理图像区域,并在局部最小交叉熵判据下,进行改进型PCNN迭代分割检测处理.实验结果表明,该方法不仅能可靠地检测出复杂背景及随机噪声干扰下弱小目标,并且在PCNN运行处理过程中,可自动地完成最佳分割检测. 展开更多

关键词 小目标图像 灰度熵变换 脉冲耦合神经网络(PCNN) 局部最小交叉熵 分割检测

在线阅读 下载PDF 职称材料

基于跨模态注意力融合的煤炭异物检测方法 被引量：6

11

作者 曹现刚 李虎 +3 位作者 王鹏 吴旭东 向敬芳 丁文韬 《工矿自动化》 CSCD 北大核心 2024年第1期57-65,共9页

为解决原煤智能化洗选过程中煤流中夹杂的异物对比度低、相互遮挡导致异物图像检测时特征提取不充分的问题,提出了一种基于跨模态注意力融合的煤炭异物检测方法。通过引入Depth图像构建RGB图像与Depth图像的双特征金字塔网络(DFPN),采... 为解决原煤智能化洗选过程中煤流中夹杂的异物对比度低、相互遮挡导致异物图像检测时特征提取不充分的问题,提出了一种基于跨模态注意力融合的煤炭异物检测方法。通过引入Depth图像构建RGB图像与Depth图像的双特征金字塔网络(DFPN),采用浅层的特征提取策略提取Depth图像的低级特征,用深度边缘与深度纹理等基础特征辅助RGB图像深层特征,以有效获得2种特征的互补信息,从而丰富异物特征的空间与边缘信息,提高检测精度;构建了基于坐标注意力与改进空间注意力的跨模态注意力融合模块(CAFM),以协同优化并融合RGB特征与Depth特征,增强网络对特征图中被遮挡异物可见部分的关注度,提高被遮挡异物检测精度;使用区域卷积神经网络(R-CNN)输出煤炭异物的分类、回归与分割结果。实验结果表明:在检测精度方面,该方法的AP相较两阶段模型中较优的Mask transfiner高3.9%;在检测效率方面,该方法的单帧检测时间为110.5 ms,能够满足异物检测实时性需求。基于跨模态注意力融合的煤炭异物检测方法能够以空间特征辅助色彩、形状与纹理等特征,准确识别煤炭异物之间及煤炭异物与输送带之间的差异,从而有效提高对复杂特征异物的检测精度,减少误检、漏检现象,实现复杂特征下煤炭异物的精确检测与像素级分割。 展开更多

关键词 煤炭异物检测 实例分割 双特征金字塔网络 跨模态注意力融合 Depth图像 坐标注意力 改进空间注意力

在线阅读 下载PDF 职称材料

局部兴奋全局抑制神经元振荡网络在医学图像分割中的应用 被引量：1

12

作者 陈薇薇 刘希顺 刘安芝 《中国生物医学工程学报》 CAS CSCD 北大核心 2006年第1期58-62,共5页

视觉皮层神经元之间存在的局部兴奋全局抑制机制能够使神经元根据接受到的视觉信息产生相应的振荡活动。在深入分析和探讨基于此生理振荡活动的具有局部兴奋全局抑制机制的视觉皮层神经元振荡网络模型的基础之上,运用最小交叉熵原理提... 视觉皮层神经元之间存在的局部兴奋全局抑制机制能够使神经元根据接受到的视觉信息产生相应的振荡活动。在深入分析和探讨基于此生理振荡活动的具有局部兴奋全局抑制机制的视觉皮层神经元振荡网络模型的基础之上,运用最小交叉熵原理提出了一种自动确定参数的图像分割新算法。该算法应用于医学图像分割试验中,试验结果表明,这种以生物视觉感知机理为基础的神经计算方法可有效的检测出不同目标。由于该振荡网络具有高速并行运算,便于硬件实现等特点,因此这种方法在图像实时处理中具有很大的潜力和应用前景。 展开更多

关键词 局部兴奋全局抑制 振荡网络 图像分割 交叉熵

在线阅读 下载PDF 职称材料

网侧故障下系统友好型直流微网协调控制策略 被引量：14

13

作者 曹善康 马啸 +2 位作者 汪光远 林湘宁 李正天 《中国电机工程学报》 EI CSCD 北大核心 2021年第23期7950-7962,共13页

以交流电网为骨架、多类型微网择点接入有望成为未来配电网的主流拓扑。对于每个直流微网而言,即便并网点电压由于网侧故障等因素发生跌落,只要幅度在一定范围内,仍希望其维持并网运行,实现短期的电压支撑,这是友好型微网的重要特征之... 以交流电网为骨架、多类型微网择点接入有望成为未来配电网的主流拓扑。对于每个直流微网而言,即便并网点电压由于网侧故障等因素发生跌落,只要幅度在一定范围内,仍希望其维持并网运行,实现短期的电压支撑,这是友好型微网的重要特征之一。但是,相较于未计划的孤岛运行,该工况下微网内部不平衡功率更小,直流母线电压上升速度缓慢,根据电压阈值切换控制方式的传统母线电压分层控制策略存在一定延时性,增加直流微网自身崩溃、以及网内电压敏感型设备受损的风险。为此,该文提出一种基于电压斜率的多源协调控制策略。该策略包含网侧电压跌落瞬间的I段稳压控制策略和储能退出运行后的II段稳压控制策略及各自对应的二次控制。I段稳压控制策略下各元件根据端口电压斜率作为判据切换自身控制方式;II段稳压下储能输出功率随荷电状态按下垂控制特性变化,将母线电压二阶导数作为协调信号控制各源自治运行。在I段稳压及II段稳压的基础上增加二次控制,以消除稳定后的电压偏差。基于PSCAD的仿真试验结果表明,该文所提策略可以有效加快母线稳定时间,并减小其波动幅度。 展开更多

关键词 直流微网 低电压穿越 荷电状态 分段下垂控制 多源协调控制

原文传递

基于H.323的跨网段视频会议网关设计与实现 被引量：3

14

作者 宋浩元 《电子测试》 2022年第8期65-68,74,共5页

随着建筑企业信息化的发展,视频会的应用场景越来越多。需要采用新的视频会议系统,实现在更多终端、更多场景中召开视频会议。但同时会造成企业新旧视频会议系统的相互兼容和硬件对接问题。为解决这一问题,以市政公司视频会议系统建设... 随着建筑企业信息化的发展,视频会的应用场景越来越多。需要采用新的视频会议系统,实现在更多终端、更多场景中召开视频会议。但同时会造成企业新旧视频会议系统的相互兼容和硬件对接问题。为解决这一问题,以市政公司视频会议系统建设为背景,从MCU主要结构和软交换处理机制入手,设计了将MCU中的H.323服务(MPGK)和分发服务(Slaver)提取后单独部署为网关的方案,给出了进行网关部署的过程和方法,同时对网关将两个不同视频会议系统的视频流转发的稳定性及兼容性进行了效果验证,实现了跨网段对接视频会议的目标。为同类问题的解决提供了借鉴和参考。 展开更多

关键词 视频会议 网关 跨网段 H.323 MCU

在线阅读 下载PDF 职称材料

改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法 被引量：53

15

作者 龙洁花 赵春江 +3 位作者 林森 郭文忠 文朝武 张宇 《农业工程学报》 EI CAS CSCD 北大核心 2021年第18期100-108,共9页

基于深度神经网络的果实识别和分割是采摘机器人作业成功的关键步骤,但由于网络参数多、计算量大,导致训练时间长,当模型部署到采摘机器人上则存在运行速度慢,识别精度低等问题。针对这些问题,该研究提出了一种改进Mask R-CNN的温室环... 基于深度神经网络的果实识别和分割是采摘机器人作业成功的关键步骤,但由于网络参数多、计算量大,导致训练时间长,当模型部署到采摘机器人上则存在运行速度慢,识别精度低等问题。针对这些问题,该研究提出了一种改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法,采用跨阶段局部网络(Cross Stage Partial Network,CSPNet)与Mask R-CNN网络中的残差网络(Residual Network,ResNet)进行融合,通过跨阶段拆分与级联策略,减少反向传播过程中重复的特征信息,降低网络计算量的同时提高准确率。在番茄果实测试集上进行试验,结果表明以层数为50的跨阶段局部残差网络(Cross Stage Partial ResNet50,CSP-ResNet50)为主干的改进Mask R-CNN模型对绿熟期、半熟期、成熟期番茄果实分割的平均精度均值为95.45%,F1分数为91.2%,单张图像分割时间为0.658 s。该方法相比金字塔场景解析网络(Pyramid Scene Parsing Network,PSPNet)、DeepLab v3+模型和以ResNet50为主干的Mask R-CNN模型平均精度均值分别提高了16.44、14.95和2.29个百分点,相比以ResNet50为主干的Mask R-CNN模型分割时间减少了1.98%。最后将以CSP-ResNet50为主干的改进Mask R-CNN模型部署到采摘机器人上,在大型玻璃温室中开展不同成熟度番茄果实识别试验,该模型识别正确率达到90%。该研究在温室环境下对不同成熟度番茄果实具有较好的识别性能,可为番茄采摘机器人精准作业提供依据。 展开更多

关键词 图像处理 机器视觉 模型 番茄 成熟度分割 Mask R-CNN 残差网络 跨阶段局部网络

在线阅读 下载PDF 职称材料

基于注意力和多标签分类的图像实时语义分割 被引量：20

16

作者 高翔 李春庚 安居白 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2021年第1期59-67,共9页

针对现阶段很多实时语义分割算法分割精度低,尤其对边界像素分割模糊的问题,提出一种基于跨级注意力机制和多标签分类的高精度实时语义分割算法.首先基于DeepLabv3进行优化,使其达到实时运算速度.然后在此网络基础上增加跨级注意力模块... 针对现阶段很多实时语义分割算法分割精度低,尤其对边界像素分割模糊的问题,提出一种基于跨级注意力机制和多标签分类的高精度实时语义分割算法.首先基于DeepLabv3进行优化,使其达到实时运算速度.然后在此网络基础上增加跨级注意力模块,使深层特征为浅层特征提供像素级注意力,以抑制浅层特征中不准确语义信息的输出;并在训练阶段引入多标签分类损失函数辅助监督训练.在Cityscapes数据集和CamVid数据集上的实验结果表明,该算法的分割精度分别为68.1%和74.1%,分割速度分别为42帧/s和89帧/s,在实时性与准确性之间达到较好的平衡,能够优化边缘分割,在复杂场景分割中具有较好的鲁棒性. 展开更多

关键词 卷积神经网络 实时语义分割 多标签分类 跨级注意力机制

在线阅读 下载PDF 职称材料

巨型星座IP化相关技术探讨

17

作者 孙晨华 尹波 +1 位作者 何辞 贾钢 《航天技术与工程学报》 2024年第3期1-12,共12页

卫星网络正在从单星向成星座、连星座、融星座等方向发展,各类异构星座通过聚合形成巨型星座以发挥卫星网络体系能力。当前互联网应用模式与体验深入人心,巨型星座尽管可借鉴地面、单星、星座现有的相关成果,但是由于其场景极其复杂,因... 卫星网络正在从单星向成星座、连星座、融星座等方向发展,各类异构星座通过聚合形成巨型星座以发挥卫星网络体系能力。当前互联网应用模式与体验深入人心,巨型星座尽管可借鉴地面、单星、星座现有的相关成果,但是由于其场景极其复杂,因此还需解决多场景下的许多关键问题。本文通过梳理地面互联网和卫星通信网IP化演进过程,对地面IP技术体系发展路线和卫星IP增强技术研究路线进行了详细分析,借鉴地面互联网和卫星通信网IP化成果,提出了巨型星座典型融合互联场景下的异构IP路由交换体制和在轨IP增强与适配的解决思路,通过构建仿真场景,验证了跨星座智能TCP与巨型星座跨域路由技术方案的可行性与优越性能,为巨型星座下一步的理论研究与星座构建奠定了基础。 展开更多

关键词 巨型星座 IP化 软件定义网格 IP增强 分段路由 智能TCP 跨域路由

在线阅读 下载PDF 职称材料

DHCP服务在园区网络中的应用

18

作者 王东 《重庆科技学院学报：自然科学版》 CAS

介绍DHCP在园区网络中的应用,详细阐述利用DHCP中继代理实现跨网段的IP地址自动配置。

关键词 DHCP 中继代理 跨网段 IP自动配置

在线阅读 下载PDF 职称材料

融合跨阶段深度学习的脑肿瘤MRI图像分割 被引量：14

19

作者 夏峰 邵海见 邓星 《中国图象图形学报》 CSCD 北大核心 2022年第3期873-884,共12页

目的磁共振成像(magnetic resonance imaging,MRI)作为一种非侵入性的软组织对比成像方式,可以提供有关脑肿瘤的形状、大小和位置等有价值的信息,是用于脑肿瘤患者检查的主要方法,在脑肿瘤分割任务中发挥着重要作用。由于脑肿瘤本身复... 目的磁共振成像(magnetic resonance imaging,MRI)作为一种非侵入性的软组织对比成像方式,可以提供有关脑肿瘤的形状、大小和位置等有价值的信息,是用于脑肿瘤患者检查的主要方法,在脑肿瘤分割任务中发挥着重要作用。由于脑肿瘤本身复杂多变的形态、模糊的边界、低对比度以及样本梯度复杂等问题,导致高精度脑肿瘤MRI图像分割非常具有挑战性,目前主要依靠专业医师手动分割,费时且可重复性差。对此,本文提出一种基于U-Net的改进模型,即CSPU-Net(cross stage partial U-Net)脑肿瘤分割网络,以实现高精度的脑肿瘤MRI图像分割。方法CSPU-Net在U-Net结构的上下采样中分别加入两种跨阶段局部网络结构(cross stage partial module,CSP)提取图像特征,结合GDL(general Dice loss)和WCE(weighted cross entropy)两种损失函数解决训练样本类别不平衡问题。结果在BraTS(brain tumor segmentation)2018和BraTS 2019两个数据集上进行实验,在BraTS 2018数据集中的整体肿瘤分割精度、核心肿瘤分割精度和增强肿瘤分割精度分别为87.9%、80.6%和77.3%,相比于传统U-Net的改进模型(ResU-Net)分别提升了0.80%、1.60%和2.20%。在BraTS 2019数据集中的整体肿瘤分割精度、核心肿瘤分割精度和增强肿瘤分割精度分别为87.8%、77.9%和70.7%,相比于ResU-Net模型提升了0.70%、1.30%和1.40%。结论本文提出的跨阶段局部网络结构,通过增加梯度路径、减少信息损失,可以有效提高脑肿瘤分割精度,实验结果证明了该模块对脑肿瘤分割任务的有效性。 展开更多

关键词 脑肿瘤分割 深度学习 U-Net 跨阶段局部网络结构 残差模块

原文传递

融合交叉注意力与双编码器的医学图像分割 被引量：5

20

作者 李赫 刘建军 肖亮 《中国图象图形学报》 CSCD 北大核心 2024年第11期3462-3475,共14页

目的在现有的医学图像分割算法中,卷积神经网络(convolutional neural network,CNN)和Transformer相结合的方法占据了主流。然而,这些方法通常不能有效地结合CNN和Transformer所提取到的局部和全局信息。针对这一问题,提出了一种基于全... 目的在现有的医学图像分割算法中,卷积神经网络(convolutional neural network,CNN)和Transformer相结合的方法占据了主流。然而,这些方法通常不能有效地结合CNN和Transformer所提取到的局部和全局信息。针对这一问题,提出了一种基于全局—局部交叉注意力的双编码器分割网络(dual-encoder global-local cross attention network,DGLCANet)。方法DGLCANet是基于UNet的编码器—解码器结构实现的。首先,采用CNN和交叉形状窗口Transformer(CSWin Transformer)为主的双编码器结构来提取图像丰富的全局上下文特征以及局部纹理特征。其次,在CNN分支中,引入一个全局—局部交叉注意力Transformer模块来使双分支所提取到的信息关联起来。最后,为了减小编码器与解码器之间的特征差距,本文在原始跳跃连接中插入了一个特征自适应模块。结果将DGLCANet与9种先进的分割算法在4个公开数据集上进行实验对比,其分割效果在交并比(intersection over union,IoU)、Dice系数(Dice coefficient)、准确度(accuracy,ACC)和召回率(recall)指标上均有提高,在4个数据集上的IoU分别达到85.1%、83.34%、68.01%和85.63%,相较于经典算法UNet分别提升了8.07%、6.01%、7.83%和3.87%。结论DGLCANet综合了基于CNN方法和基于Transformer方法的优点,充分利用了图像中的全局和局部信息,具有更优异的分割性能。 展开更多

关键词 医学图像分割 卷积神经网络(CNN) 双编码器 交叉注意力机制 TRANSFORMER

原文传递