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102篇文章
< 1 2 … 6 >
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：
基于改进轻量级MobileNet V2-DeepLab V3^(+)模型的恐龙谷环状地区土地利用分类
1
作者 任聪 甘淑 +2 位作者 袁希平 罗为东 朱智富 《兰州大学学报(自然科学版)》 北大核心 2025年第4期436-441,共6页
针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3^(+)全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的... 针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3^(+)全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的全局特征捕捉能力,有效提升了研究区的土地利用分类精度.在以专家经验构建的道路、耕地、草地等样本中进行对比实验,结果表明,该方法的平均准确率、平均召回率、平均F_(1)分数、平均交并比及К系数比原始DeepLab V3^(+)模型分别提高了1.90%、2.22%、2.22%、3.37%、2.74%,其分割效果相比其他模型,更加关注图像的全局特征,提升了对复杂纹理类别的识别精度. 展开更多
关键词 全局通道空间注意力 MobileNet V2网络 deeplab V3^(+)模型 土地利用 语义分割
原文传递
基于DeepLab v3+的涂鸦式图像分割算法
2
作者 俞颖晖 洪茂雄 《科学与信息化》 2025年第2期95-97,共3页
在现有的基于深度学习的交互式图像分割算法的研究中,主要以点击以及边界框的交互方式为主。本文在Deep GrabCut算法的基础上,选择DeepLab v3+作为模型的架构,并提出了“米”字形采样策略,经过大量的训练,最终生成的模型能够很好地适应... 在现有的基于深度学习的交互式图像分割算法的研究中,主要以点击以及边界框的交互方式为主。本文在Deep GrabCut算法的基础上,选择DeepLab v3+作为模型的架构,并提出了“米”字形采样策略,经过大量的训练,最终生成的模型能够很好地适应涂鸦的交互方式。在分割精度上比原方法提升了5%以上,并有效地简化了用户交互要求,拓展了基于深度学习的交互式图像分割技术在涂鸦交互方式上的研究。 展开更多
关键词 深度学习 交互式图像分割 Deep GrabCut deeplab v3+
在线阅读 下载PDF
基于DeepLab v2的遥感影像水体提取方法研究
3
作者 马丙成 刘森 任丽洁 《中国新技术新产品》 2025年第24期20-22,共3页
随着高分辨率遥感技术快速发展,精确提取水体信息对水资源管理和灾害监测具有重要意义。本文提出一种基于DeepLab v2的遥感影像水体提取方法,通过引入空洞卷积扩大感受野来保留空间细节,采用多尺度空洞空间金字塔池化提高模型对多尺度... 随着高分辨率遥感技术快速发展,精确提取水体信息对水资源管理和灾害监测具有重要意义。本文提出一种基于DeepLab v2的遥感影像水体提取方法,通过引入空洞卷积扩大感受野来保留空间细节,采用多尺度空洞空间金字塔池化提高模型对多尺度水体的表征能力,并结合全连接条件随机场优化边界精度。试验选取GID数据集为数据源,经预处理后构建训练集和测试集。结果表明,该方法总体精度为98.8%,高于传统水体指数法的89.1%和UNet模型的90.5%,且能有效抑制阴影干扰。研究证实,DeepLab v2在复杂地物背景下具有鲁棒性,为遥感水体自动化提取提供了新思路。 展开更多
关键词 deeplab v2 遥感影像 水体提取 空洞卷积
在线阅读 下载PDF
基于MHSA+DeepLab v3+的无人机遥感影像小麦倒伏检测 被引量：15
4
作者 杨蜀秦 王鹏飞 +3 位作者 王帅 唐云松 宁纪锋 奚亚军 《农业机械学报》 EI CAS CSCD 北大核心 2022年第8期213-219,239,共8页
倒伏是影响小麦产量和质量的重要因素之一,及时准确获取倒伏信息有利于小麦良种选育中的倒伏损失鉴定。本文以小麦灌浆期和成熟期两个生长阶段的可见光无人机遥感影像为依据,构建多生长阶段小麦倒伏数据集,通过在DeepLab v3+模型中添加... 倒伏是影响小麦产量和质量的重要因素之一,及时准确获取倒伏信息有利于小麦良种选育中的倒伏损失鉴定。本文以小麦灌浆期和成熟期两个生长阶段的可见光无人机遥感影像为依据,构建多生长阶段小麦倒伏数据集,通过在DeepLab v3+模型中添加不同的注意力模块进行比较分析,提出一种基于多头自注意力(MHSA)的DeepLab v3+小麦倒伏检测模型。试验结果表明,提出的MHSA+DeepLab v3+模型的平均像素精度(Mean pixel accuracy,mPA)和均交并比(Mean intersection over union,mIoU),灌浆期分别为93.09%和87.54%,成熟期分别为93.36%和87.49%。与代表性的SegNet、PSPNet和DeepLab v3+模型相比,在灌浆期mPA提高了25.45、7.54、1.82个百分点和mIoU提高了36.15、11.37、2.49个百分点,在成熟期mPA提高了15.05、6.32、0.74个百分点,mIoU提高了23.36、9.82、0.95个百分点。其次,相比于CBAM和SimAM两种注意力模块,在灌浆期及成熟期基于多头自注意力的DeepLab v3+表现均为最优,在灌浆期其mPA和mIoU分别提高了1.6、2.07个百分点和1.7、2.45个百分点,成熟期提高了0.27、0.11个百分点和0.26、0.15个百分点。研究表明提出的改进的DeepLab v3+模型能够有效地捕获灌浆期和成熟期的无人机小麦遥感图像中的倒伏特征,准确识别不同生育期的倒伏区域,具有良好的适用性,为利用无人机遥感技术鉴定小麦倒伏灾害等级和良种选育等提供了参考。 展开更多
关键词 小麦 倒伏 深度语义分割 无人机遥感 注意力机制 deeplab v3+
在线阅读 下载PDF
基于改进DeepLab V3+的果园场景多类别分割方法 被引量：10
5
作者 刘慧 姜建滨 +3 位作者 沈跃 贾卫东 曾潇 庄珍珍 《农业机械学报》 EI CAS CSCD 北大核心 2022年第11期255-261,共7页
果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署,使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数... 果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署,使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数,并在空洞空间金字塔池化(Atrous spatial pyramid pooling, ASPP)模块中运用ReLU6激活函数减少部署在移动设备的精度损失,此外结合混合扩张卷积(Hybrid dilated convolution, HDC),以混合扩张卷积替代原有网络中的空洞卷积,将ASPP中的扩张率设为互质以减少空洞卷积的网格效应。使用视觉传感器采集果园场景RGB图像,选取果树、人、天空等8类常见的目标制作了数据集,并在该数据集上基于Pytorch对改进前后的DeepLab V3+进行训练、验证和测试。结果表明,改进后DeepLab V3+模型的平均像素精度、平均交并比分别达到62.81%和56.64%,比改进前分别提升5.52、8.75个百分点。模型参数量较改进前压缩88.67%,单幅图像分割时间为0.08 s,与原模型相比减少0.09 s。尤其是对树的分割精度达到95.61%,比改进前提高1.31个百分点。该方法可为喷雾机器人精准施药和安全作业提供有效决策,具有实用性。 展开更多
关键词 果园 喷雾机器人 语义分割 deeplab V3+ 混合扩张卷积 感受野
在线阅读 下载PDF
基于DeepLab v3的西藏地区降雨云团分割方法 被引量：4
6
作者 张永宏 刘昊 +1 位作者 田伟 王剑庚 《计算机应用》 CSCD 北大核心 2020年第9期2781-2788,共8页
针对高原地区数值预测法建模复杂,雷达回波外推法易产生累积误差且模型参数难以设置的问题,提出了一种基于改进DeepLab v3网络模型的西藏地区降雨云团的分割方法。首先,通过编码网络中的卷积层和残差模块进行下采样;然后,利用空洞卷积... 针对高原地区数值预测法建模复杂,雷达回波外推法易产生累积误差且模型参数难以设置的问题,提出了一种基于改进DeepLab v3网络模型的西藏地区降雨云团的分割方法。首先,通过编码网络中的卷积层和残差模块进行下采样;然后,利用空洞卷积构建多尺度采样模块,并且加入注意力机制模块提取深层高维特征;最后,通过解码网络利用反卷积恢复特征图分辨率。将所提方法与谷歌语义分割网络DeepLab v3等模型在验证集上进行比较,实验结果表明所提方法具有更好的分割性能与泛化能力,其降雨云团分割结果更为准确,平均交并比(Miou)达到0.95,与原始DeepLab v3相比提高了15.54个百分点。在小目标上和非平衡数据集上,该方法可以更准确地分割出降雨云团,为降雨云团监测预警提供参考。 展开更多
关键词 降雨云团分割 多尺度采样 注意力机制 deeplab v3 遥感图像处理
在线阅读 下载PDF
利用Deeplab v3提取高分辨率遥感影像道路 被引量：11
7
作者 韩玲 杨朝辉 +2 位作者 李良志 刘志恒 黄勃学 《遥感信息》 CSCD 北大核心 2021年第1期22-28,共7页
针对传统道路提取方法存在的道路边缘粗糙、抗干扰性弱、提取精度低等问题,提出了一种基于编码解码器的空洞卷积模型(Deeplab v3)的道路提取方法。首先,对原始高分辨率遥感影像进行标注;其次,利用标注数据集对Deeplab v3模型进行训练、... 针对传统道路提取方法存在的道路边缘粗糙、抗干扰性弱、提取精度低等问题,提出了一种基于编码解码器的空洞卷积模型(Deeplab v3)的道路提取方法。首先,对原始高分辨率遥感影像进行标注;其次,利用标注数据集对Deeplab v3模型进行训练、测试;最后,得到高分辨率遥感影像道路提取结果。分析结果可知,该模型能够较好地提取高分辨率遥感影像中的道路边缘特征,相比其他道路提取方法具有更高的提取精度和更加完整的道路信息,正确率可达到93%以上。 展开更多
关键词 道路提取 高分辨率遥感影像 深度学习 deeplab v3 空洞卷积 空洞空间金字塔池化(ASPP)
在线阅读 下载PDF
改进Deeplab网络的遥感影像海岛岸线分割 被引量：9
8
作者 王振华 钟元芾 +4 位作者 何婉雯 曲念毅 徐利智 张文苹 刘智翔 《中国图象图形学报》 CSCD 北大核心 2020年第4期768-778,共11页
目的海岛作为一项特殊资源,在海洋开发和利用方面发挥着重要的作用;遥感作为一种非接触式远距离探测手段,为海岛研究提供了重要的数据来源;而深度学习因其对图像特征的提取能力和对复杂问题的拟合能力广泛应用于各个领域。本文结合深度... 目的海岛作为一项特殊资源,在海洋开发和利用方面发挥着重要的作用;遥感作为一种非接触式远距离探测手段,为海岛研究提供了重要的数据来源;而深度学习因其对图像特征的提取能力和对复杂问题的拟合能力广泛应用于各个领域。本文结合深度学习的计算优势,兼顾遥感影像的波段数量多和覆盖范围大的特征,以海岛岸线的快速分割为目的,提出了一种改进的海岛岸线遥感影像分割模型。方法该分割模型包括3方面:1)针对遥感影像的多波段特征,提出基于最佳指数的遥感影像波段组合选择,将选择后的波段组合作为海岛岸线分割模型的输入数据;2)针对遥感影像大范围覆盖的特征,提出基于Deeplab神经网络结构的海岛岸线粗分割,将粗分割结果作为海岛岸线优化的初始边界;3)利用全连接条件随机场优化海岛岸线,实现海岛岸线的细分割提取。结果以大小不等的4个海岛的岸线提取为例,分别采用改进的海岛岸线分割模型、全卷积神经网络模型(fully convolutional networks,FCN)、Deeplab模型和目视解译法从遥感影像数据中分割海岛岸线。同时,引入平均交并比(mean intersection over union,MIoU)和相对误差,对各模型分割的海岛岸线结果进行精度比较。结果表明,本文改进的海岛岸线分割模型克服了FCN模型海岛岸线的不连续性问题,降低了海岛岸线的误分割现象;从MIoU值的比较可以看出,本文改进模型与目视解译的海岛岸线结果具有更高的吻合度,较FCN模型提高了17.7%,较Deeplab模型提高了5.2%;从海岸岸线的周长和面积的相对误差可以看出,本文改进模型的相对误差均低于FCN模型和Deeplab模型。结论本文改进模型包含了面向遥感影像的波段选择、利用神经网络训练的海岛岸线粗分割和基于全连接条件随机场的海岛岸线优化,在保证岸线连续性的前提下,提高了海岛岸线的分割精度。 展开更多
关键词 海岛岸线 图像分割 深度学习 最佳指数 deeplab神经网络 全连接条件随机场
原文传递
改进DeepLab v3+模型下的梯田遥感提取研究 被引量：2
9
作者 张俊 陈雨艳 +2 位作者 秦震宇 张梦瑶 张军 《智慧农业（中英文）》 CSCD 2024年第3期46-57,共12页
[目的与意义]梯田作为农业生产的关键要素之一,其面积估算对于农业政策制定、土地规划和资源管理至关重要。为解决复杂的地形条件、种植环境导致传统遥感数据和监测方法难以开展梯田自动化提取问题,探索一种利用深度学习技术在高分辨率... [目的与意义]梯田作为农业生产的关键要素之一,其面积估算对于农业政策制定、土地规划和资源管理至关重要。为解决复杂的地形条件、种植环境导致传统遥感数据和监测方法难以开展梯田自动化提取问题,探索一种利用深度学习技术在高分辨率遥感影像中精准提取梯田面积的方法。[方法]以休耕期梯田高分六号影像构建语义分割数据集,同时提出一种改进的DeepLab v3+模型。该模型使用轻量级网络MobileNet v2作为骨干网络,为了同时兼顾局部细节和全局语境,使用多尺度特征融合(Multi-scale Feature Fusion module,MSFF)模块代替空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)模块,利用扩张率依次增大的空洞卷积级联模式改善信息丢失的问题。此外,对浅层特征和深层特征使用坐标注意力机制以加强网络对于目标的学习。[结果与讨论]利用红、绿和近红外波段组合方式在梯田提取的精度和效果上表现最佳。相比于原始DeepLab v3+网络,精确率、召回率、F_(1)评分和交并比指标分别提升4.62%、2.61%、3.81%和2.81%。此外,与UNet和原始DeepLab v3+相比,改进的DeepLab v3+在参数量上和浮点运算数有着更为优越的性能,其参数量仅为UNet的28.6%和原始DeepLab v3+的19.5%,同时浮点运算数仅为UNet和DeepLab v3+的1/5。这不仅提高了计算效率,也使得改进后的模型更适用于资源有限或计算能力较低的环境中。[结论]深度学习在高分辨率遥感影像梯田识别中具有较高的精度,有利于为梯田精细化监测和管理提供参考依据。 展开更多
关键词 梯田提取 遥感 卷积神经网络 高分六号卫星 deeplab v3+
在线阅读 下载PDF
Deeplab网络的极化合成孔径雷达图像分类 被引量：5
10
作者 王云艳 罗冷坤 王重阳 《测绘科学》 CSCD 北大核心 2020年第6期110-117,共8页
针对传统极化合成孔径雷达图像分类中特征提取不完整、特征表征性不够强、分类中干扰杂质较多等问题,该文提出了一种基于Deeplab模型的极化合成孔径雷达图像地物分类方法。实验通过在荷兰地区数据上对田野、植被、建筑区、水域、山体5... 针对传统极化合成孔径雷达图像分类中特征提取不完整、特征表征性不够强、分类中干扰杂质较多等问题,该文提出了一种基于Deeplab模型的极化合成孔径雷达图像地物分类方法。实验通过在荷兰地区数据上对田野、植被、建筑区、水域、山体5类进行分类,然后在欧洲其他区域进行了算法评价。与传统的结合条件随机场的FCN-8s特征分类模型相比,该文方法能够提取更高效的底层特征,得到更高的分类精度、Kappa系数和总体精度。该方法不仅能在山体上提高10%左右的分类精度,而且能在这5类以外的类别掺杂情况,保证模型良好的鲁棒性。 展开更多
关键词 极化合成孔径雷达 deeplab网络 空洞卷积 多孔空间金字塔
原文传递
基于M-DeepLab网络的速度建模技术研究
11
作者 徐秀刚 张浩楠 +1 位作者 许文德 郭鹏 《中国海洋大学学报（自然科学版）》 CAS CSCD 北大核心 2024年第6期145-155,共11页
本文提出了一种适用于速度建模方法的M-DeepLab网络框架,该网络将地震炮集记录作为输入,网络主体使用轻量级MobileNet,以此提升网络训练速度;并在编码环节ASPP模块后添加了Attention模块,且在解码环节将不同网络深度的速度特征进行了融... 本文提出了一种适用于速度建模方法的M-DeepLab网络框架,该网络将地震炮集记录作为输入,网络主体使用轻量级MobileNet,以此提升网络训练速度;并在编码环节ASPP模块后添加了Attention模块,且在解码环节将不同网络深度的速度特征进行了融合,既获得了更多的速度特征,又保留了网络浅部的速度信息,防止出现网络退化和过拟合问题。模型测试证明,M-DeepLab网络能够实现智能、精确的速度建模,简单模型、复杂模型以及含有噪声数据复杂模型的智能速度建模,均取得了良好的效果。相较DeepLabV3+网络,本文方法对于速度模型界面处的预测,特别是速度突变区域的预测,具有更高的预测精度,从而验证了该方法精确性、高效性、实用性和抗噪性。 展开更多
关键词 深度学习 速度建模 M-deeplab网络 监督学习
在线阅读 下载PDF
基于DeepLabv3+语义分割模型的GF-2影像城市绿地提取 被引量：29
12
作者 刘文雅 岳安志 +4 位作者 季珏 师卫华 邓孺孺 梁业恒 熊龙海 《国土资源遥感》 CSCD 北大核心 2020年第2期120-129,共10页
高效准确地提取城市绿地对国土规划建设意义重大,将深度学习语义分割算法应用于遥感图像分类是近年研究的新探索。提出一种基于DeepLabv3+深度学习语义分割网络的GF-2遥感影像城市绿地自动化提取架构,通过网络的多孔空间金字塔池化(atro... 高效准确地提取城市绿地对国土规划建设意义重大,将深度学习语义分割算法应用于遥感图像分类是近年研究的新探索。提出一种基于DeepLabv3+深度学习语义分割网络的GF-2遥感影像城市绿地自动化提取架构,通过网络的多孔空间金字塔池化(atrous spatial pyramid pooling,ASPP)等模块,提取高层特征,并依托架构完成数据集创建,模型训练,城市绿地提取以及精度评估。研究表明,本文架构分类的总体精度达到91.02%,F值为0.86,优于最大似然法(maximum likelihood,ML)、支持向量机(support vector machine,SVM)和随机森林法(random forest,RF)3种传统方法及另外4种语义分割网络(PspNet,SegNet,U-Net和DeepLabv2),可以准确提取城市绿地,排除农田像元干扰;此外,对另一地区的提取试验也证实了本架构具有一定的迁移能力。所提出的GF-2遥感影像城市绿地自动化提取架构,可实现更精确、效率更高的城市绿地提取,为城市规划管理提供参考。 展开更多
关键词 城市绿地 deeplab 深度学习 语义分割 GF-2
在线阅读 下载PDF
改进Deeplab V3+在复合绝缘子红外热像分割中的应用
13
作者 黄靖 林杨 +1 位作者 林朝晖 陈斌艺 《电瓷避雷器》 CAS 2024年第3期157-166,共10页
针对现有无人机红外巡检复合绝缘子使用的分割算法精度较低且模型较大的问题,提出一种基于改进Deeplab V3+的复合绝缘子红外热像实时分割方法。首先,将修改后的MobileNet V3作为Deeplab V3+骨干网络以降低模型复杂度,并将空洞卷积池化... 针对现有无人机红外巡检复合绝缘子使用的分割算法精度较低且模型较大的问题,提出一种基于改进Deeplab V3+的复合绝缘子红外热像实时分割方法。首先,将修改后的MobileNet V3作为Deeplab V3+骨干网络以降低模型复杂度,并将空洞卷积池化金字塔中卷积层采用空间可分离卷积运算,提高了网络的推理速度;其次,为了平衡模型参数量减少所带来的解码网络中特征信息缺失和模型精度下降,在MobileNet V3网络中嵌入了超强通道注意力模块(ECA-Net)来加强绝缘子有效特征的提取能力;最后,增加点渲染(PointRend)环节来优化采样点分布,使边缘分割更加精细。通过与主流算法进行实验对比,优化后网络的平均交并比提高了1.24%,能够从红外热像中分割出更精细的绝缘子,并且网络参数量仅为原模型的9.2%,分割分辨率512×512的红外热像速度达到了56 fps,为后续复合绝缘子实时缺陷检测提供了精确有效的预处理手段。 展开更多
关键词 复合绝缘子 红外热像 实时语义分割 deeplab V3+模型
原文传递
基于DeepLab v3+的葡萄叶片分割算法 被引量：12
14
作者 李余康 翟长远 +3 位作者 王秀 袁洪波 张玮 赵春江 《农机化研究》 北大核心 2022年第2期149-155,共7页
为解决自然光照环境下复杂背景葡萄叶片图像的自动分割问题,使用一种DeepLab v3+语义分割算法,完成对葡萄叶片分割。该算法采用ResNet 101作为主干网络进行特征抽取;采用空洞卷积和编码模块进行多尺度特征融合,将ResNet的中间信息和编... 为解决自然光照环境下复杂背景葡萄叶片图像的自动分割问题,使用一种DeepLab v3+语义分割算法,完成对葡萄叶片分割。该算法采用ResNet 101作为主干网络进行特征抽取;采用空洞卷积和编码模块进行多尺度特征融合,将ResNet的中间信息和编码模块的特征组合作为解码输入;采用上采样的方式进行尺度还原,得到语义分割结果。采用Cityscapes的预训练模型,将300张不同环境下、不同类型的葡萄叶片照片作为训练集,以数据增强的方式进行数据扩容,提高模型的鲁棒性和泛化能力。试验结果证明:本方法有较好的分割效果,在数据增强的方式下精确度(ACC)平均值为98.6%,较全卷积神经网络提高7.3%。对不同类型葡萄叶片分割精确度(ACC)值均高于97%,最高可达98.8%,平均交并比(mIOU)值均高于94%,最高可达97.1%。本算法能够较精准地分割自然光照条件下的葡萄叶片图像,可为后续的病害检测和病斑提取提供参考。 展开更多
关键词 葡萄叶片 卷积神经网络 deeplab v3+ 空洞卷积 ResNet 101 自动分割
在线阅读 下载PDF
基于改进Deeplab v3+的服装图像分割网络 被引量：10
15
作者 胡新荣 龚闯 +3 位作者 张自力 朱强 彭涛 何儒汉 《计算机工程》 CAS CSCD 北大核心 2022年第7期284-291,共8页
在服装图像分割领域,现有算法存在服装边缘分割粗糙、分割精度差和服装深层语义特征提取不够充分等问题。将Coordinate Attention机制和语义特征增强模块(SFEM)嵌入到语义分割性能较好的Deeplab v3+网络,设计一种用于服装图像分割领域的... 在服装图像分割领域,现有算法存在服装边缘分割粗糙、分割精度差和服装深层语义特征提取不够充分等问题。将Coordinate Attention机制和语义特征增强模块(SFEM)嵌入到语义分割性能较好的Deeplab v3+网络,设计一种用于服装图像分割领域的CA_SFEM_Deeplab v3+网络。为了加强服装图像有效特征的学习,在Deeplab v3+网络的主干网络resnet101中嵌入Coordinate Attention机制,并将经过带空洞卷积池化金字塔网络的特征图输入到语义特征增强模块中进行特征增强处理,从而提高分割的准确率。实验结果表明,CA_SFEM_Deeplab v3+网络在DeepFashion2数据集上的平均交并比与平均像素准确率分别为0.557、0.671,相较于Deeplab v3+网络分别提高2.1%、2.3%,其所得分割服装轮廓更为精细,具有较好的分割性能。 展开更多
关键词 服装图像 语义分割 deeplab v3+网络 Coordinate Attention机制 语义特征增强模块
在线阅读 下载PDF
改进Deeplabv3+的双注意力融合作物分类方法 被引量：5
16
作者 郭金 宋廷强 +4 位作者 孙媛媛 巩传江 刘亚林 马兴录 范海生 《计算机工程与应用》 CSCD 北大核心 2024年第8期110-120,共11页
近年来,卷积神经网络(convolutional neural networks,CNN)在农作物分类研究中不断取得新进展,但在建模长期依赖关系方面表现出一定的局限性,对农作物全局特征的捕获存在不足。针对以上问题,将Transformer引入Deeplab v3+模型,提出了一... 近年来,卷积神经网络(convolutional neural networks,CNN)在农作物分类研究中不断取得新进展,但在建模长期依赖关系方面表现出一定的局限性,对农作物全局特征的捕获存在不足。针对以上问题,将Transformer引入Deeplab v3+模型,提出了一种用于无人机影像农作物分类的并行分支结构--DeepTrans(Deeplab v3+with Trans-former)模型。DeepTrans以一种并行的方式将Transformer和CNN结合在一起,利于全局特征与局部特征的有效捕获。通过引入Transformer来增强图像中信息的远距离依赖关系,提高了作物全局信息的提取能力;加入通道注意力机制和空间注意力机制加强Transformer对通道信息的敏感度及ASPP(atrous spatial pyramid pooling)对作物空间信息捕获能力。实验结果表明,DeepTrans模型在MIoU指标上可达0.812,相较于Deeplab v3+模型提高了3.9%,该模型在五类作物的分类中精度均有提升,对于容易错分的甘蔗、玉米和香蕉三种作物,其IoU分别提高了2.9%、4.7%、13%。由此可见,DeepTrans模型在农作物分类图像的内部填充和全局预测方面有着更好的分割效果,有助于更准确地监测农田作物的种植结构及规模。 展开更多
关键词 农作物分类 无人机影像 deeplab v3+ TRANSFORMER 注意力机制
在线阅读 下载PDF
改进Deeplab V3+网络在视觉SLAM三维地图构建应用 被引量：3
17
作者 屈航 嵇启春 段中兴 《小型微型计算机系统》 CSCD 北大核心 2022年第10期2174-2178,共5页
针对传统同时定位与地图构建(SLAM)算法在构建三维地图过程中缺少语义信息问题,本文在视觉SLAM算法基础上,结合基于深度学习的Deeplab V3+语义分割模型,构建包含几何信息与语义信息的三维稠密语义地图.对Deeplab V3+模型结合视觉SLAM造... 针对传统同时定位与地图构建(SLAM)算法在构建三维地图过程中缺少语义信息问题,本文在视觉SLAM算法基础上,结合基于深度学习的Deeplab V3+语义分割模型,构建包含几何信息与语义信息的三维稠密语义地图.对Deeplab V3+模型结合视觉SLAM造成语义地图构建难以满足实时性问题,精简Deeplab V3+模型参数,主干网络选用轻量级卷积网络MobileNetV3进行特征提取,同时对空洞空间金字塔池化模块中卷积层采用非对称卷积运算.最后利用贝叶斯更新方法将对RGB图像分割后获得的语义信息增量融合进三维地图,实现在三维空间对不同物体进行语义标注,最终完成三维稠密语义地图构建.实验采用NYU v2数据集进行语义地图构建,结果表明,改进后的Deeplab V3+可以精确快速进行语义分割,应用于三维稠密语义地图构建,满足系统实时性要求. 展开更多
关键词 视觉SLAM deeplab V3+ 语义地图 MobileNetV3 贝叶斯更新
在线阅读 下载PDF
基于DeepLab V3+深度神经网络的结直肠息肉内镜图像分割 被引量：5
18
作者 朱世祺 徐昶 +6 位作者 周鑫 刘璐 林嘉希 殷民月 刘晓琳 许春芳 朱锦舟 《中国医学物理学杂志》 CSCD 2023年第8期944-949,共6页
目的:基于深度神经网络DeepLab V3+建立结直肠息肉内镜图像语义分割模型。方法:选取Hyper-Kvasir数据库1000张、苏州大学附属第一医院500张结直肠息肉内镜图像,分为训练集(n=1200)和验证集(n=300),同时收集江苏大学附属金坛医院肠息肉... 目的:基于深度神经网络DeepLab V3+建立结直肠息肉内镜图像语义分割模型。方法:选取Hyper-Kvasir数据库1000张、苏州大学附属第一医院500张结直肠息肉内镜图像,分为训练集(n=1200)和验证集(n=300),同时收集江苏大学附属金坛医院肠息肉图像作为测试集(n=220)。对内镜图像进行分割标记,载入以DeepLab V3+为框架的深度神经网络中训练,建立语义分割模型。结果:在内部验证集中,该模型的准确性(ACC)达97.2%,平均交并比(MIoU)达85.8%,Dice系数达0.924。在外部测试集中,ACC达98.0%,MIoU达80.1%,Dice系数达0.890。结论:基于DeepLab V3+深度神经网络,构建结直肠息肉内镜图像的语义分割模型,具有良好的预测性能,可作为检测结直肠息肉的有效工具。 展开更多
关键词 语义分割 深度学习 deeplab V3+ 结直肠息肉
暂未订购
基于Deeplab V3+的2019年长宁M6.0地震建筑物震害信息提取研究 被引量：1
19
作者 王鑫 窦爱霞 +1 位作者 郭红梅 袁小祥 《地震》 CSCD 北大核心 2022年第3期124-140,共17页
快速获取地震所造成的建筑物震害信息是灾后救援及灾害损失评估的关键,以语义分割网络为代表的深度学习技术的发展,为震后建筑物震害信息的获取提供了一种新的手段.本文将Deeplab V3+神经网络模型应用于建筑物震害信息的提取,以2019年长... 快速获取地震所造成的建筑物震害信息是灾后救援及灾害损失评估的关键,以语义分割网络为代表的深度学习技术的发展,为震后建筑物震害信息的获取提供了一种新的手段.本文将Deeplab V3+神经网络模型应用于建筑物震害信息的提取,以2019年长宁M6.0地震震后双河镇0.06 m分辨率的无人机影像作为建筑物震害信息提取试验数据源,将试验区建筑物划分为无明显破坏、破坏两类,其余作为背景信息,人工进行建筑物震害信息的分类与标注,构建样本数据集并进行网络模型的训练.为了提高模型针对不同场景下地物类别分类的鲁棒性与泛化能力,进行了样本增强处理,开展了样本增强对模型精度的影响实验与训练样本数量对模型精度的影响实验,并以九寨沟漳扎镇震后无人机0.4 m分辨率影像进行模型的可迁移性实验.实验结果表明,本次研究所建立的神经网络模型在建筑物震害信息的提取中可以达到较高的提取精度;样本增强后较样本增强前模型各类别提取精度都有不同程度的提高,特别是破坏建筑物召回率提高约0.15,精确率提高约0.20;该神经网络模型在未做任何修改的情况下,具有一定的可迁移性. 展开更多
关键词 深度学习 deeplab V3+ 建筑物 震害提取 样本增强
在线阅读 下载PDF
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 2 … 6 下一页 到第 页
使用帮助 返回顶部