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
2
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
一种无人机航拍图像多尺度目标语义分割方法
1
作者
张蔚
《火力与指挥控制》
北大核心
2026年第2期54-60,69,共8页
针对无人机航拍图像多尺度目标语义分割任务中小目标分割精度与跨尺度特征对齐等方面的局限性,提出TransSeg模型,通过融合Swin Transformer的全局建模能力与U-Net对称编解码架构,并引入D-ASPP和残差注意力机制,损失函数采用Dice Loss与F...
针对无人机航拍图像多尺度目标语义分割任务中小目标分割精度与跨尺度特征对齐等方面的局限性,提出TransSeg模型,通过融合Swin Transformer的全局建模能力与U-Net对称编解码架构,并引入D-ASPP和残差注意力机制,损失函数采用Dice Loss与Focal Loss协同优化策略。实验基于UAVid数据集,对比DANet、BiSeNet、SegFormer等主流模型,验证了TransSeg在8类城市场景目标分割中的有效性,并在自定义数据集上有着良好的表现。结果表明,模型平均IoU达66.9%,较SegFormer提升0.9%,其中,移动车辆、行人等小目标IoU分别提升4.1%和5.6%。研究揭示了全局上下文建模与动态多尺度融合机制对提升分割性能的关键作用,为无人机遥感图像处理提供了新的解决方案。
展开更多
关键词
无人机航拍图像
语义分割
多尺度目标
Swin
Transformer
d-aspp
残差注意力机制
在线阅读
下载PDF
职称材料
基于双编码路径融合和双向ConvLSTM的神经元图像分割
被引量:
1
2
作者
钱有为
何富运
+2 位作者
韦燕
冯慧玲
胡聪
《广西师范大学学报(自然科学版)》
CAS
北大核心
2023年第3期67-79,共13页
目标分割是神经元图像分析中必不可少的步骤之一,分割的准确性会直接影响到神经元图像分析和重建的质量。在面对结构边界模糊、存在弱噪声或弱纤维信号的神经元图像时,已有的分割方法依然存在误差较大、识别信号不准等问题。为了解决这...
目标分割是神经元图像分析中必不可少的步骤之一,分割的准确性会直接影响到神经元图像分析和重建的质量。在面对结构边界模糊、存在弱噪声或弱纤维信号的神经元图像时,已有的分割方法依然存在误差较大、识别信号不准等问题。为了解决这些问题,基于神经元的特征,本文提出一种基于双编码路径融合和双向ConvLSTM的深度学习网络(DFC-Net)用于神经元图像分割。首先,网络在编码器阶段采用双编码路径提取特征,其中第一路编码路径采用基于空洞卷积的密集连接网络作为固定特征提取器,第二路编码器采用深度残差网络作为特征提取网络;接着,使用密集连接ASPP网络作为桥梁连接编码器和解码器;最后,在跳跃连接中使用双向ConvLSTM结合编码器和解码器,在解码器阶段引入融合网络以融合2个编码器提取的特征,从而增强空间信息的传播。多组对比实验结果显示,本文提出的网络有效地提高了电子显微镜神经元图像的分割精度,在ISBI-2012和SNEMI3D数据集上的Sen、Dice分别达到0.952 7、0.958 9和0.941 6、0.912 7,平均准确率相比于其他U-Net变体网络提高2.93%。
展开更多
关键词
图像分割
神经元
双编码路径
d-aspp
双向ConvLSTM
在线阅读
下载PDF
职称材料
题名
一种无人机航拍图像多尺度目标语义分割方法
1
作者
张蔚
机构
河南应用技术职业学院
出处
《火力与指挥控制》
北大核心
2026年第2期54-60,69,共8页
基金
河南省教育厅资助项目(ZJC18020,ZJC17098)。
文摘
针对无人机航拍图像多尺度目标语义分割任务中小目标分割精度与跨尺度特征对齐等方面的局限性,提出TransSeg模型,通过融合Swin Transformer的全局建模能力与U-Net对称编解码架构,并引入D-ASPP和残差注意力机制,损失函数采用Dice Loss与Focal Loss协同优化策略。实验基于UAVid数据集,对比DANet、BiSeNet、SegFormer等主流模型,验证了TransSeg在8类城市场景目标分割中的有效性,并在自定义数据集上有着良好的表现。结果表明,模型平均IoU达66.9%,较SegFormer提升0.9%,其中,移动车辆、行人等小目标IoU分别提升4.1%和5.6%。研究揭示了全局上下文建模与动态多尺度融合机制对提升分割性能的关键作用,为无人机遥感图像处理提供了新的解决方案。
关键词
无人机航拍图像
语义分割
多尺度目标
Swin
Transformer
d-aspp
残差注意力机制
Keywords
UAV aerial images
semantic segmentation
multi-scale targets
Swin Transformer
DASPP
residual attention mechanism
分类号
V249.3 [航空宇航科学与技术—飞行器设计]
在线阅读
下载PDF
职称材料
题名
基于双编码路径融合和双向ConvLSTM的神经元图像分割
被引量:
1
2
作者
钱有为
何富运
韦燕
冯慧玲
胡聪
机构
广西师范大学电子与信息工程学院
广西自动检测技术与仪器重点实验室(桂林电子科技大学)
出处
《广西师范大学学报(自然科学版)》
CAS
北大核心
2023年第3期67-79,共13页
基金
国家自然科学基金(62062014)
广西自然科学基金(2018GXNSFAA050024)
广西师范大学重点科学研究计划(2018ZD007)。
文摘
目标分割是神经元图像分析中必不可少的步骤之一,分割的准确性会直接影响到神经元图像分析和重建的质量。在面对结构边界模糊、存在弱噪声或弱纤维信号的神经元图像时,已有的分割方法依然存在误差较大、识别信号不准等问题。为了解决这些问题,基于神经元的特征,本文提出一种基于双编码路径融合和双向ConvLSTM的深度学习网络(DFC-Net)用于神经元图像分割。首先,网络在编码器阶段采用双编码路径提取特征,其中第一路编码路径采用基于空洞卷积的密集连接网络作为固定特征提取器,第二路编码器采用深度残差网络作为特征提取网络;接着,使用密集连接ASPP网络作为桥梁连接编码器和解码器;最后,在跳跃连接中使用双向ConvLSTM结合编码器和解码器,在解码器阶段引入融合网络以融合2个编码器提取的特征,从而增强空间信息的传播。多组对比实验结果显示,本文提出的网络有效地提高了电子显微镜神经元图像的分割精度,在ISBI-2012和SNEMI3D数据集上的Sen、Dice分别达到0.952 7、0.958 9和0.941 6、0.912 7,平均准确率相比于其他U-Net变体网络提高2.93%。
关键词
图像分割
神经元
双编码路径
d-aspp
双向ConvLSTM
Keywords
image segmentation
neuron
dual coding path
d-aspp
bidirectional ConvLSTM
分类号
TP391.41 [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
作者
出处
发文年
被引量
操作
1
一种无人机航拍图像多尺度目标语义分割方法
张蔚
《火力与指挥控制》
北大核心
2026
0
在线阅读
下载PDF
职称材料
2
基于双编码路径融合和双向ConvLSTM的神经元图像分割
钱有为
何富运
韦燕
冯慧玲
胡聪
《广西师范大学学报(自然科学版)》
CAS
北大核心
2023
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