-
题名基于Mask约束的图像局部风格迁移算法
- 1
-
-
作者
祁新
杜洪波
朱立军
-
机构
沈阳工业大学理学院
北方民族大学信息与计算科学学院
-
出处
《计算机应用与软件》
北大核心
2025年第6期234-240,共7页
-
基金
国家自然科学基金项目(11861003)
辽宁省教育厅高等学校基本科研项目(LJKZ0157)。
-
文摘
针对实际应用中不能直接对图像指定区域进行风格迁移的问题,提出一种基于Mask约束的图像局部风格迁移算法。借助DeepLab V3+算法分割内容图像,并提取其目标区域,采用基于Gram矩阵的逐像素点优化的图像风格迁移算法进行图像局部风格迁移,重新定义图像局部风格迁移内容、风格损失函数,一方面将语义分割产生的Mask矩阵对需要学习的参数范围进行约束,另一方面用Mask矩阵约束部分风格损失函数计算的区域,除去冗余区域。实验结果表明,改进后算法具有较好的局部风格转换能力,并加快算法的收敛速度。
-
关键词
局部风格迁移
语义分割
deeplab
v3+
GRAM矩阵
Mask矩阵
-
Keywords
Local style transfer
Semantic segmentation
deeplab v3+algorithm
Gram matrix
Mask matrix
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名高分辨率遥感影像分割的城市绿地提取研究
被引量：12
- 2
-
-
作者
陈周
费鲜芸
高祥伟
王筱雪
赵慧敏
-
机构
江苏海洋大学测绘与海洋信息学院
-
出处
《测绘通报》
CSCD
北大核心
2020年第12期17-20,共4页
-
基金
国家自然科学基金(31270745)
江苏省研究生科研创新计划(SJCX19_0969)。
-
文摘
城市绿地是生态文明建设的重要组成部分,绿地信息提取是城市绿地规划和建设的基础和前提。遥感影像分割是绿地信息分类提取的关键步骤,选择合适的影像分割方法能有效提高城市绿地提取精度。传统的遥感分割方法分割结果中边缘锯齿现象严重,与绿地实地边界相差较大,不符合绿地信息提取的要求。本文以高分辨率的WorldView影像为数据源,使用深度学习网络DeepLab-v3+对城市绿地进行分割研究,在分割基础上进行城市绿地信息提取。同时,本研究将该网络模型的分割和分类结果与基于Ostu、MeanShift、FNEA分割算法的分类精度进行比较。研究表明:DeepLab-v3+的分割性能最好,其分割边缘光滑,与绿地实地边界吻合度高,有效解决了传统分割算法的边缘锯齿问题;在各种分割分类算法中,DeepLab-v3+的分类精度最高,达到98.01%。
-
关键词
城市绿地
OSTU算法
MeanShit算法
FNEA算法
deeplab-v3+
-
Keywords
urban green space
Ostu algorithm
MeanShift algorithm
FNEA algorithm
deeplab-v3+
-
分类号
P237
[天文地球—摄影测量与遥感]
-
-
题名基于自动驾驶道路场景的语义分割方法研究
- 3
-
-
作者
张佳琪
袁骏
惠永科
胡勇
张睿
-
机构
太原科技大学计算机科学与技术学院
中国机械科学研究总院集团有限公司
-
出处
《机械工程与自动化》
2023年第6期15-18,共4页
-
基金
山西省机械产品质量司法鉴定中心企业委托项目(2023069)
太原科技大学教学改革与研究项目(JG202266)
+3 种基金
太原科技大学研究生联合培养示范基地项目(JD2022004)
太原科技大学大学生创新创业训练项目(XJ2023101)
山西省高等学校教学改革创新项目(J2021429)
2023年山西省高等学校教学改革创新项目(J20230845)。
-
文摘
针对现有的自动驾驶道路场景的语义分割模型在特征提取阶段提取特征不充分以及忽略了不同级别特征图中存在的特征重要性差异进而导致分割结果不佳的问题,提出了一种改进的DeepLab V3+算法,该方法结合了不同的注意力机制;针对原始模型的主干网络结构较为复杂且需要更多的计算资源来训练的问题,将主干网络更换为ResNet50。通过实验验证,本方法平均交并比(MIoU)指数达到了0.73,相较于其他方法具有更高的分割准确度。
-
关键词
自动驾驶
道路场景
语义分割
改进的deeplab
v3+算法
-
Keywords
autonomous driving
road scene segmentation
semantic segmentation
improved deeplab v3+algorithm
-
分类号
TP391.7
[自动化与计算机技术—计算机应用技术]
-
