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3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：
基于YOLOv5和FCN-DenseNet水下图像多目标语义分割算法 被引量：2
1
作者 曹建荣 韩发通 +3 位作者 汪明 庄园 朱亚琴 张玉婷 《计算机系统应用》 2022年第12期309-315,共7页
带视觉系统的水下机器人作业离不开对水下目标准确的分割,但水下环境复杂,场景感知精度和识别精度不高等问题会严重影响目标分割算法的性能.针对此问题本文提出了一种综合YOLOv5和FCN-DenseNet的多目标分割算法.本算法以FCN-DenseNet算... 带视觉系统的水下机器人作业离不开对水下目标准确的分割,但水下环境复杂,场景感知精度和识别精度不高等问题会严重影响目标分割算法的性能.针对此问题本文提出了一种综合YOLOv5和FCN-DenseNet的多目标分割算法.本算法以FCN-DenseNet算法为主要分割框架,YOLOv5算法为目标检测框架.采用YOLOv5算法检测出每个种类目标所在位置;然后输入针对不同类别的FCN-DenseNet语义分割网络,实现多分支单目标语义分割,最后融合分割结果实现多目标语义分割.此外,本文在Kaggle竞赛平台上的海底图片数据集上将所提算法与PSPNet算法和FCN-DenseNet算法两种经典的语义分割算法进行了实验对比.结果表明本文所提的多目标图像语义分割算法与PSPNet算法相比,在MIoU和IoU指标上分别提高了14.9%和11.6%;与FCN-DenseNet算法在MIoU和IoU指标上分别提高了8%和7.7%,更适合于水下图像分割. 展开更多
关键词 YOLOv5 fcn-densenet 语义分割 水下场景识别
在线阅读 下载PDF
基于贝叶斯优化FCN-DenseNet算法的供水管网爆管智能识别 被引量：6
2
作者 彭森 程蕊 +2 位作者 程景 吴卿 田一梅 《安全与环境学报》 CAS CSCD 北大核心 2022年第1期306-315,共10页
为了进一步拓展深度学习算法在供水管网爆管分析中的适用范围,提出了一种爆管区域识别方法。基于全连接稠密网络算法(Full Connect Network-DenseNet,FCN-DenseNet)构建了爆管区域识别模型,提取不同区域的爆管特征。同时,采用贝叶斯优... 为了进一步拓展深度学习算法在供水管网爆管分析中的适用范围,提出了一种爆管区域识别方法。基于全连接稠密网络算法(Full Connect Network-DenseNet,FCN-DenseNet)构建了爆管区域识别模型,提取不同区域的爆管特征。同时,采用贝叶斯优化算法对识别模型的超参数组合进行优化和自动选取。以华东某园区的部分供水管网为研究对象,在建立水力模型的基础上,通过布置监测点和划分监测分区形成管网监测方案。综合考虑爆管位置、时间、流量、监测噪声及研究区域管网实际情况等因素,进行爆管工况模拟,建立爆管数据集,对识别模型进行训练和验证。结果表明,在验证数据集下,爆管区域平均识别率φ_(1)、φ_(2)分别可以达到93.5%、96.7%。贝叶斯优化的FCN-DenseNet算法增强了模型的性能和适用性,管网监测分区爆管可能性排序能够指导水司进行爆管分析和巡检。 展开更多
关键词 安全管理工程 供水管网 爆管识别 管网分区 全连接稠密网络 贝叶斯优化
原文传递
密集连接卷积网络图像去模糊 被引量：12
3
作者 吴迪 赵洪田 郑世宝 《中国图象图形学报》 CSCD 北大核心 2020年第5期890-899,共10页
目的 非均匀盲去运动模糊是图像处理和计算机视觉中的基础课题之一.传统去模糊算法有处理模糊种类单一、耗费时间两大缺点,且一直未能有效解决.随着神经网络在图像生成领域的出色表现,本文把去运动模糊视为图像生成的一种特殊问题,提出... 目的 非均匀盲去运动模糊是图像处理和计算机视觉中的基础课题之一.传统去模糊算法有处理模糊种类单一、耗费时间两大缺点,且一直未能有效解决.随着神经网络在图像生成领域的出色表现,本文把去运动模糊视为图像生成的一种特殊问题,提出一种基于神经网络的快速去模糊方法.方法 首先,将图像分类方向表现优异的密集连接卷积网络(dense connected convolutional network,DenseNets)应用到去模糊领域,该网络能充分利用中间层的有用信息.在损失函数方面,采用更符合去模糊目的的感知损失(perceptual loss),保证生成图像和清晰图像在内容上的一致性.采用生成对抗网络(generative adversarial network,GAN),使生成的图像在感官上与清晰图像更加接近.结果 通过测试生成图像相对于清晰图像的峰值信噪比(peak signal to noise ratio,PSNR),结构相似性(structural similarity,SSIM)和复原时间来评价算法性能的优劣.相比DeblurGAN (blind motion deblurring usingconditional adversarial networks),本文算法在GOPRO测试集上的平均PSNR提高了0.91,复原时间缩短了0.32 s,能成功恢复出因运动模糊而丢失的细节信息.在Kohler数据集上的性能也优于当前主流算法,能够处理不同的模糊核,鲁棒性强.结论 本文算法网络结构简单,复原效果好,生成图像的速度也明显快于其他方法.同时,该算法鲁棒性强,适合处理各种因运动模糊而导致的图像退化问题. 展开更多
关键词 运动模糊 盲去模糊 生成对抗网络(GAN) 密集连接卷积网络(DenseNets) 感知损失 全卷积网络(FCN)
原文传递
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
使用帮助 返回顶部