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99篇文章
< 1 2 … 5 >
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：
基于多尺度注意力UNet++的地震层位识别方法 被引量：1
1
作者 杨润湉 马强 +3 位作者 王志宝 李菲 吴钧 王如意 《石油物探》 北大核心 2025年第2期315-327,共13页
现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分... 现有基于深度学习的层位识别方法通常在地震振幅信号特征方面进行处理,而地层之间上、下位置的空间关系、不同尺度特征未得到充分关注,导致普通深度学习网络在识别多个地震层位时容易产生层位识别结果连续性不强和错层等问题。为了充分利用层位之间的空间位置关系及多尺度特征,使用MultiResBlock多尺度残差模块、CBAM注意力与UNet++,提出了基于多尺度注意力UNet++的层位识别方法 (MR_CBAM_UNet++)。该方法利用MultiResBlock提取更多层位尺度特征,采用CBAM注意力模块以减少非目标层的振幅信号干扰,利用Focal Loss与Dice Loss组成的联合损失函数对网络进行训练。最后,加入唯一性约束对模型识别结果优化得到层位识别结果。在实际地震数据上的评价结果显示,MR_CBAM_UNet++模型相比于传统模型,对非层位信息的抑制能力和复杂地势下层位的识别能力均有很大提升。在测试集上,层位识别结果的准确率达到了86.19%,有效缓解了层位解释连续性不强和错层等问题,唯一性约束也使层位识别结果更贴近实际。 展开更多
关键词 地震层位解释 UNet++ CBAM注意力模块 MultiResBlock多尺度残差模块 联合损失函数
在线阅读 下载PDF
用于环形伪影去除的非线性无激活卷积去噪网络
2
作者 唐瑶瑶 朱叶晨 +1 位作者 刘仰川 高欣 《计算机应用》 北大核心 2025年第S1期67-71,共5页
环形伪影通常由探测器像素非均匀响应导致,在计算机断层扫描(CT)图像中呈现为同心多层圆环。该伪影会导致CT图像清晰度和CT值准确性的下降,进而影响医生对病灶的诊断。为此,提出一种用于CT图像环形伪影去除的非线性无激活卷积去噪网络(N... 环形伪影通常由探测器像素非均匀响应导致,在计算机断层扫描(CT)图像中呈现为同心多层圆环。该伪影会导致CT图像清晰度和CT值准确性的下降,进而影响医生对病灶的诊断。为此,提出一种用于CT图像环形伪影去除的非线性无激活卷积去噪网络(NAF-CDNet)。所提网络通过在一种U型网络中引入非线性无激活(NAF)网络模块和联合损失函数减少计算量,同时保持图像结构和灰度。为训练和测试所提网络,利用螺旋CT图像制作仿真数据,并利用锥束CT采集真实数据。在仿真数据测试中,相较于UNet,NAF-CDNet的峰值信噪比(PSNR)和结构相似性(SSIM)分别提升了0.377 7 dB、0.015 5,均方根误差(RMSE)和平均绝对误差(MAE)分别下降了3.092 6、3.229 2,参数量和计算量分别减少了30.8×10^(6)、2.29×10^(9)浮点运算次数(FLOPs)。在真实数据测试中,相较于2个传统算法和5个深度学习网络,NAF-CDNet的主观评价更好。这些结果表明,所提网络在环形伪影去除方面表现优异,具备潜在应用价值。 展开更多
关键词 计算机断层扫描图像 环形伪影去除 深度学习 非线性无激活 联合损失函数
在线阅读 下载PDF
基于联合损失函数和组合对比学习的语义嵌入方法
3
作者 高晓欣 陆谣 +3 位作者 孔祥茂 刘玉玺 邓伟 杨淞皓 《电信科学》 北大核心 2025年第7期96-107,共12页
对比学习在语义嵌入中表现出色,能够通过捕捉数据样本间的关系提升模型的表示能力。然而,其效果主要受正样本构建和目标函数选择的影响。正样本需要精心设计,以确保模型能有效识别有意义的相似性并减少噪声干扰。为此,提出一种新方法,... 对比学习在语义嵌入中表现出色,能够通过捕捉数据样本间的关系提升模型的表示能力。然而,其效果主要受正样本构建和目标函数选择的影响。正样本需要精心设计,以确保模型能有效识别有意义的相似性并减少噪声干扰。为此,提出一种新方法,通过拆分、编码、聚合和投射文本来构建正样本。文本被分解为片段,编码用于提取语义内容,聚合用于突出关系,最终投射到适合学习的语义空间。此外,设计了两种监督损失函数,与标准对比损失相辅相成,以增强语义空间的区分性,从而提升模型辨别能力。实验结果表明,该方法在2个公开数据集和1个私有数据集上表现出色,显著提升了语义嵌入质量,解决了对比学习的核心挑战,并为其在自然语言处理领域的进一步应用奠定了基础。 展开更多
关键词 对比学习 句子嵌入 语义相似度 文本分类 联合损失函数
在线阅读 下载PDF
基于自适应卷积与联合损失函数的人脸图像超分辨率重建
4
作者 李培育 张雅丽 +1 位作者 张奕博 赵益辰 《科学技术与工程》 北大核心 2025年第6期2442-2452,共11页
针对当前人脸图像超分辨率重建算法模型卷积单一、感受野不足、单判别网络反馈信息不精确等问题,设计了一种基于自适应卷积与联合损失函数的算法。模型使用生成对抗网络架构,生成器方面,使用自适应卷积构造双路残差块并进一步组成高效... 针对当前人脸图像超分辨率重建算法模型卷积单一、感受野不足、单判别网络反馈信息不精确等问题,设计了一种基于自适应卷积与联合损失函数的算法。模型使用生成对抗网络架构,生成器方面,使用自适应卷积构造双路残差块并进一步组成高效的残差组,能自主学习在不同感受野下提取到的特征权重并补充单一支路遗漏的信息。判别器方面使用Vgg与U-net架构网络作为双判别网络,并使用双判别结果计算对抗损失,该损失与内容损失、感知损失组成联合损失函数。在celeba数据集上的实验表明,该算法与RWSA算法相比峰值信噪比(peak signal noise ratio,PSNR)值提高1.166 dB,结构相似度(structure similarity,SSIM)值提高0.037,学习感知图像块相似度(learned perceptual image patch similarity,LPIPS)值优化0.033,感知因子(perceptual index,PI)指标优化0.119,与其他多种主流算法相比在图像细节清晰度方面具有优势。 展开更多
关键词 超分辨率重建 自适应卷积 联合损失函数 生成对抗网络 卷积神经网络
在线阅读 下载PDF
基于注意力循环神经网络的联合深度推荐模型 被引量：1
5
作者 郭东坡 何彬 +1 位作者 张明焱 段超 《现代电子技术》 北大核心 2025年第1期80-84,共5页
为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和... 为了向用户推荐符合兴趣偏好的项目,设计一种基于注意力循环神经网络的联合深度推荐模型。将双层注意力机制设置于网络中,该模型由五个部分构成,在输入层中生成联合深度推荐模型的输入矩阵,通过序列编码层对项目评论文本语义展开正向和反向编码,获得隐藏状态输出,并将其输入双层注意力机制中,提取项目特征,利用全连接层提取用户偏好特征。在预测层中建立项目与用户的交互模型,获得项目评分,为用户推荐高评分的项目。为了提高模型精度,加权融合MSE损失函数、CE损失函数和RK损失函数建立组合损失函数,对深度联合训练模型展开训练,提高模型的推荐性能。仿真结果表明,所提方法具有良好的推荐效果,能够适应不断变化的市场需求和用户行为。 展开更多
关键词 双层注意力机制 循环神经网络 用户偏好 组合损失函数 交互模型 联合深度推荐模型
在线阅读 下载PDF
基于多分支残差注意力网络的水下图像增强
6
作者 程竹明 李佳轩 +2 位作者 黄三傲 韩立超 王培珍 《光学精密工程》 北大核心 2025年第7期1141-1151,共11页
针对水下图像存在的颜色失真、对比度低、细节模糊等问题,提出一种基于多分支残差注意力网络的水下图像增强算法。该网络在编码器和解码器的前后分别引入多分支色彩增强模块,用来自适应校正图像的颜色偏差,在网络颈部设计了残差注意力模... 针对水下图像存在的颜色失真、对比度低、细节模糊等问题,提出一种基于多分支残差注意力网络的水下图像增强算法。该网络在编码器和解码器的前后分别引入多分支色彩增强模块,用来自适应校正图像的颜色偏差,在网络颈部设计了残差注意力模块,以减少编码器和解码器之间的特征丢失,从而增强图像细节;最后,构造了联合特征损失函数,确保网络能够学习到图像的丰富特征,在改善图像色彩的同时可以有效保留边缘信息。分别利用LUSI和EVUP两种测试集与6种先进方法进行了对比,实验结果表明:通过本文算法增强后的图像在主观感受和客观评价上均取得了最优指标,在LUSI测试集上,平均峰值信噪比(PSNR)和结构相似度(SSIM)分别达到27.420 dB,0.885,与次优方法相比提高了3.9%和0.8%;在EVUP测试集上,PSNR和SSIM分别达到26.159 dB和0.851,与次优方法相比提高了3.3%和1.3%。该算法具有良好的图像质量增强效果与稳定性,可以为水下工程中的图像分析提供一种有效的方法。 展开更多
关键词 水下图像增强 深度学习 残差注意力模块 多分支色彩增强模块 注意力机制 联合损失函数
在线阅读 下载PDF
联合特征胶囊网络在车型精准分类中的应用
7
作者 周云飞 余明艳 《广东交通职业技术学院学报》 2025年第3期44-48,128,共6页
车型精准分类是智能交通领域的研究重点。传统的基于卷积神经网络的车辆分类方法无法表达特征之间的关系,容易造成误判。为解决上述问题,引入胶囊网络,采用不同的卷积核提取不同的特征,再综合表征它们空间关系的联合特征,并采用二值交... 车型精准分类是智能交通领域的研究重点。传统的基于卷积神经网络的车辆分类方法无法表达特征之间的关系,容易造成误判。为解决上述问题,引入胶囊网络,采用不同的卷积核提取不同的特征,再综合表征它们空间关系的联合特征,并采用二值交叉熵函数作为损失函数,加大对错误分类的惩罚。这一方法可用于车型分类,在训练集和测试集上的分类准确率分别达到99.8%和97.7%,在某些照明不足的场景中仍可保持较高的准确率。 展开更多
关键词 车型精准分类 卷积神经网络 胶囊网络 损失函数 联合特征
在线阅读 下载PDF
基于场景流的可变速率动态点云压缩 被引量：1
8
作者 江照意 邹文钦 +2 位作者 郑晟豪 宋超 杨柏林 《浙江大学学报（工学版）》 EI CAS CSCD 北大核心 2024年第2期279-287,333,共10页
针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进... 针对现有的动态点云压缩神经网络需要训练多个网络模型的问题,提出基于场景流的可变速率动态点云压缩网络框架.网络以原始动态点云为输入,利用场景流网络进行运动向量估计,在压缩运动向量和残差的同时,引入通道增益模块对隐向量通道进行评估和缩放,实现可变速率控制.通过综合考虑运动向量损失和率失真损失,设计新的联合训练损失函数,用来端到端地训练整个网络框架.为了解决动态点云数据集缺少真实运动信息标签的问题,基于AMASS数据集制作带有运动向量标签的人体数据集,用于网络的训练.实验结果显示,与现有的基于深度学习动态点云压缩方法相比,该方法的压缩比特率下降了几个数量级,与静态压缩网络单独处理每帧的重构效果相比,该方法有5%~10%的提升. 展开更多
关键词 动态点云压缩 可变速率 联合损失函数 场景流网络
在线阅读 下载PDF
基于CBAM和原型网络的小样本恶意软件分类模型 被引量：1
9
作者 周景贤 崔海彬 李志平 《计算机工程与设计》 北大核心 2024年第7期1941-1947,共7页
为解决小样本条件下恶意软件分类准确率低的问题,提出一种基于CBAM(convolutional block attention module)和原型网络的恶意软件分类模型。利用图像转换算法将恶意软件可执行文件转换为灰度图像;将残差连接和CBAM引入模型的特征嵌入模... 为解决小样本条件下恶意软件分类准确率低的问题,提出一种基于CBAM(convolutional block attention module)和原型网络的恶意软件分类模型。利用图像转换算法将恶意软件可执行文件转换为灰度图像;将残差连接和CBAM引入模型的特征嵌入模块,从通道和空间两个维度上增强关键特征表达,使得到的特征更具分辨性;提出联合损失函数,在距离交叉熵损失的基础上加入原型损失,通过减小类内距离的方式进一步扩增类间距离,使模型在样本数量有限的情况下取得良好的分类效果。实验结果表明,在每类恶意软件仅有5个样本的情况下,模型的分类准确率仍可达到83.12%。 展开更多
关键词 恶意软件分类 灰度图 小样本学习 卷积神经网络 注意力机制 原型网络 联合损失函数
在线阅读 下载PDF
面向病理图像分割的边缘感知网络 被引量：1
10
作者 黄鸿 杨沂川 +2 位作者 王龙 郑福建 吴剑 《光子学报》 EI CAS CSCD 北大核心 2024年第1期78-90,共13页
提出了一种针对病理切片图像的端到端语义分割方法--边缘感知网络(BPNet),以提高病理图像分割精度。BPNet网络首先在解码器阶段增加边缘感知模块,改善网络对于病理图像边缘的特征信息提取能力。然后,采用自适应通道注意力模块弥补不同... 提出了一种针对病理切片图像的端到端语义分割方法--边缘感知网络(BPNet),以提高病理图像分割精度。BPNet网络首先在解码器阶段增加边缘感知模块,改善网络对于病理图像边缘的特征信息提取能力。然后,采用自适应通道注意力模块弥补不同层次特征间的语义差距,进一步加强网络的特征聚合能力。在此基础上,设计了一种基于结构和边缘的联合损失函数,以实现最佳的病理图像分割结果。在GlaS和MoNuSeg两个公开病理数据集上的分割实验结果表明,所提方法的Dice系数得分在两个数据集上分别达到92.21%和81.18%,有效提升了病理图像的分割精度。 展开更多
关键词 病理图像 自动分割 深度学习 边缘增强 联合损失函数
在线阅读 下载PDF
基于联合深度统计特征对齐的鱼类目标识别方法 被引量：1
11
作者 王海燕 杜菲瑀 +1 位作者 姚海洋 陈晓 《陕西科技大学学报》 北大核心 2024年第3期182-187,196,共7页
水下鱼类目标识别技术是认识海洋、经略海洋、向海图强的重要技术之一.基于深度学习的水下目标识别技术已成为研究热点,但是针对水下鱼类数据小样本甚至零样本识别性能亟待提高.本文基于迁移学习,提出了联合深度统计特征对齐(Joint Deep... 水下鱼类目标识别技术是认识海洋、经略海洋、向海图强的重要技术之一.基于深度学习的水下目标识别技术已成为研究热点,但是针对水下鱼类数据小样本甚至零样本识别性能亟待提高.本文基于迁移学习,提出了联合深度统计特征对齐(Joint Deep Statistical Feature Alignment, JDSFA)方法,解决小样本下的鱼类目标识别问题.以ResNet-50作为骨干网络,将均方和协方差纳入权重选择算法用来构建自适应损失函数,对齐源域和目标域之间的特征分布,联合源域损失与领域间的自适应损失,设计全局损失函数,建立深度学习识别模型,实现鱼类目标识别任务.利用公开的水下鱼类数据集QUT进行实验验证,相比目前代表性的DADAN、PMTrans、DSAN方法,JDSFA方法的鱼类识别性能分别提升了3.59%、4.96%、5.91%,结果表明了本文JDSFA方法的有效性,并对鱼类目标识别具有良好的应用价值. 展开更多
关键词 鱼类识别 迁移学习 联合深度统计特征对齐 损失函数
在线阅读 下载PDF
融合动态场景感知和注意力机制的声学回声消除算法
12
作者 许春冬 黄乔月 +1 位作者 王磊 徐锦武 《信号处理》 CSCD 北大核心 2024年第2期396-405,共10页
在实时语音频通话系统中,如何去除声学回声得到清晰语音是目前最受关注的难题之一。声学回声消除(Acoustic echo cancellation,AEC)技术旨在消除语音频通话系统中的声学回声,提高通话过程中的语音质量,给予用户良好的通话体验,但是传统... 在实时语音频通话系统中,如何去除声学回声得到清晰语音是目前最受关注的难题之一。声学回声消除(Acoustic echo cancellation,AEC)技术旨在消除语音频通话系统中的声学回声,提高通话过程中的语音质量,给予用户良好的通话体验,但是传统回声消除系统存在去回声效果不明显、存在非线性回声残留以及无法实时处理回声等问题。因此,为解决上述存在问题,提出了一种动态场景感知模块(Dynamic scene perception module,DSPM)和全局注意力机制(Global attention mechanism,GAM)相结合的声学回声消除算法。该算法以卷积循环网络(Convolutional recurrent network,CRN)作为基线模型,提取语音信号的序列特征;首先,在其编码器中引入DSPM模块替换原因果卷积,根据场景动态分配卷积内核数量,加强模型的自适应性;其次,在编码器最后两层中分别引入GAM模块,放大空间通道间关系以及统筹全局交互,提升对语音信号特征的提取能力以及消除回声的性能;最后,通过将MSE损失函数和HuberLoss损失函数线性相加生成一种新的损失函数——MSE-HuberLoss,进一步提高模型的鲁棒性。实验结果表明,提出的GAM-DSPM-CRN模型的回声消除性能优秀,且获得较基线模型更加清晰的重构语音信号;在双端通话环境下,提出的GAM-DSPM-CRN模型声学回声消除算法较其他对比算法性能有较大提升;在Microsoft AEC Challenges数据集上,MOS、ERLE和STOI的得分分别达到了4.09、57.43和0.78。 展开更多
关键词 声学回声消除 动态场景感知模块 全局注意力机制 卷积循环网络 联合损失函数
在线阅读 下载PDF
基于图像增强技术的运动目标检测算法 被引量：2
13
作者 李树壮 祖国明 +1 位作者 李余光 翟双 《长春工业大学学报》 CAS 2024年第1期73-80,共8页
利用多权值联合损失函数进行图像细节恢复来解决图像对比度不高导致的细节模糊问题。针对光流网络在图像特征提取上存在输入参数多的问题,提出空洞残差网络作为图像的特征提取模块,通过增大卷积核的感受野提高特征提取速度。使用COCO数... 利用多权值联合损失函数进行图像细节恢复来解决图像对比度不高导致的细节模糊问题。针对光流网络在图像特征提取上存在输入参数多的问题,提出空洞残差网络作为图像的特征提取模块,通过增大卷积核的感受野提高特征提取速度。使用COCO数据集进行训练和测试。实验结果表明,与已有同类算法对比,文中算法得到的光流场图像有更高的清晰度,有效提高了检测精确度,降低特征提取时间。 展开更多
关键词 图像增强 目标检测 空洞残差网络 联合损失函数
在线阅读 下载PDF
基于全卷积编码-解码对称网络的单目图像深度估计 被引量：1
14
作者 江忠泽 陈忠 +1 位作者 徐雪茹 吴亮 《计算机与数字工程》 2024年第5期1488-1494,共7页
单目图像深度估计通过唯一视角下的图像来感知每个像素的空间位置关系,对于场景理解、三维重建等具有重要意义。为了全面提升预测深度图涵盖的信息量,保持关键细节不丢失,论文基于对称的编解码结构设计了一个全卷积网络来执行深度估计任... 单目图像深度估计通过唯一视角下的图像来感知每个像素的空间位置关系,对于场景理解、三维重建等具有重要意义。为了全面提升预测深度图涵盖的信息量,保持关键细节不丢失,论文基于对称的编解码结构设计了一个全卷积网络来执行深度估计任务,称为ResUNet。该网络继承了U-Net模型的经典架构,首先采用了改进的ResNet网络来实现特征编码,其次保留了U-Net模型的解码器设计来将特征图解码为深度图,这种结构设计融合了ResNet和U-Net网络的特点,通过协同优化最大程度发挥了各自的优势,能够在进行深度估计的过程中实现空间结构和细节信息的最大程度保留,进而提升预测深度图的真实性与可靠性。基于该网络进一步提出了ResDepth算法,该算法针对深度图预测过程中容易产生物体失真、细节淹没的问题,从损失函数的角度出发设计了一个联合损失函数,在不带来额外计算开销的情况下全面提升了预测深度图的质量。最后,在NYU-Depth V2、SUN RGB-D及KITTI三个公开数据集上进行对比实验来评估算法性能,实验表明,论文提出的ResDepth算法及联合损失函数能够更好地保留空间结构信息及几何细节信息,进而提升深度估计结果的准确性。 展开更多
关键词 单目深度估计 全卷积网络 空洞卷积 联合损失函数
在线阅读 下载PDF
基于重参数化和联合分支的城市地下管道缺陷检测 被引量：1
15
作者 周彬 蓝雯飞 +1 位作者 李波 姚为 《中南民族大学学报（自然科学版）》 CAS 2024年第5期650-659,共10页
城市地下管道是城市重要的基础设施之一,及时排查管道缺陷对城市的发展起着较为重要的作用,针对目前的管道缺陷检测模型参数量大、实时性较差等问题,提出一种改进的FCOS城市地下管道缺陷检测方法.首先,引入轻量的MobileOne网络,通过结... 城市地下管道是城市重要的基础设施之一,及时排查管道缺陷对城市的发展起着较为重要的作用,针对目前的管道缺陷检测模型参数量大、实时性较差等问题,提出一种改进的FCOS城市地下管道缺陷检测方法.首先,引入轻量的MobileOne网络,通过结构重参数化将多分支网络转换为单分支网络,减小模型规模;然后引入分类和IoU的联合分支使模型的训练和推理过程保持一致,并利用平衡因子优化QFL损失函数,提升模型分类预测效果.实验结果表明:改进后的FCOS模型相比于基线模型的平均精度提升1.83%,检测速度FPS达到48.6,模型参数量下降17.85 M,有效提升了城市地下管道缺陷检测性能,并且相比于其他优秀的目标检测算法,也具有一定的优势. 展开更多
关键词 城市地下管道 缺陷检测 FCOS算法 重参数化 联合分支 QFL损失函数
在线阅读 下载PDF
面向三维模型草图检索的三元层次度量网络 被引量：1
16
作者 杨瞻源 白静 +2 位作者 李文静 彭斌 拖继文 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2024年第11期1791-1804,共14页
针对基于草图的三维模型检索仍然存在将草图视作普通图像忽略其特有的稀疏性,以及对草图和三维模型的类内差异性重视不足,从而影响检索性能的问题,提出一种面向三维模型草图检索的三元层次度量网络.首先引入笔画点序列分支构建三元组网... 针对基于草图的三维模型检索仍然存在将草图视作普通图像忽略其特有的稀疏性,以及对草图和三维模型的类内差异性重视不足,从而影响检索性能的问题,提出一种面向三维模型草图检索的三元层次度量网络.首先引入笔画点序列分支构建三元组网络结构,实现对草图数据的信息增强;然后通过多层次联合损失对网络进行域内域间跨域的全面约束,使得网络学习到同时体现数据的单域类内差异和域间关系的表示特征,有效地提升网络的检索性能.实验结果表明,在2个公开数据集SHREC2013和SHREC2014上,所提网络的平均检索精度均值分别为87.7%和83.3%,比先进工作(相同基础网络)分别提升0.5个百分点和1.5个百分点以上. 展开更多
关键词 基于草图的三维模型检索 三元网络结构 多层次联合损失 语义嵌入 跨模态检索
在线阅读 下载PDF
MF-TLID:一种多特征融合输电线覆冰图像去噪方法 被引量：1
17
作者 张宇 窦银科 +2 位作者 赵亮亮 焦阳阳 郭栋梁 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第10期147-155,共9页
针对基于图像对线缆覆冰状态进行监测过程中图像存在噪声的问题,提出了一种多特征融合输电线覆冰图像去噪方法。该方法采用残差注意力融合模块、源特征融合模块和特征增强模块。在残差注意力融合模块中采用级联残差结构和混合注意力模块... 针对基于图像对线缆覆冰状态进行监测过程中图像存在噪声的问题,提出了一种多特征融合输电线覆冰图像去噪方法。该方法采用残差注意力融合模块、源特征融合模块和特征增强模块。在残差注意力融合模块中采用级联残差结构和混合注意力模块,既有助于特征信息映射,又能增强特征信息表达;在网络不同特征层中融合源特征,保留图像的低频信息,有利于提升图像的清晰度和真实感;在特征增强模块中同时结合局部和全局特征,通过特征注意力加权学习有效特征向量表示,提高模型去噪能力;创新性地提出像素损失和感知损失的联合损失函数,同时考虑像素级别的误差和感知质量的提升。在输电线覆冰数据集上高斯噪声标准差分别为10~40、20~50和30~60,PSNR和SSIM分别达到了{31.015 dB、29.262 dB、27.717 dB}和{0.956、0.943、0.930}。结果表明,该算法的性能优于主流去噪方法,具有更强的抑噪能力和抗干扰性。 展开更多
关键词 输电线覆冰 图像去噪 特征融合 注意力机制 联合损失函数
在线阅读 下载PDF
结合稠密小波变换的双分支低照度图像增强 被引量：2
18
作者 陈俊杰 周永霞 +2 位作者 祖佳贞 盛威 赵平 《计算机工程与应用》 CSCD 北大核心 2024年第4期200-210,共11页
针对低照度图像存在低亮度、高噪声、色彩失真等问题,提出了一种结合稠密小波变换的双分支低照度图像增强方法。采用稠密小波网络进行多尺度特征信息融合,在减少信息丢失的同时使网络具有一定的去噪能力。在多尺度特征融合中嵌入全局注... 针对低照度图像存在低亮度、高噪声、色彩失真等问题,提出了一种结合稠密小波变换的双分支低照度图像增强方法。采用稠密小波网络进行多尺度特征信息融合,在减少信息丢失的同时使网络具有一定的去噪能力。在多尺度特征融合中嵌入全局注意力模块和特征提取模块,充分提取全局和局部特征。通过双分支结构对图像进行色彩增强和细节重建,使得低照度图像具有较好的增强效果。引入了新的联合损失函数从多方面指导网络训练,以增强网络性能。将所提方法与主流方法相比较,实验结果充分表明,所提方法有效提高了低照度图像的亮度,抑制了图像噪声,并取得了更丰富的细节和色彩信息,得到的增强图像更清晰自然,在峰值信噪比和结构相似度等图像质量客观评价指标方面也具有显著的优势。 展开更多
关键词 稠密小波变换 低照度 图像增强 双分支 联合损失函数
在线阅读 下载PDF
跨级特征自适应融合的暗光图像增强算法 被引量：2
19
作者 梁礼明 朱晨锟 +1 位作者 阳渊 李仁杰 《液晶与显示》 CAS CSCD 北大核心 2024年第6期856-866,共11页
针对低照度环境下采集的图像存在亮度低、对比度低和视觉效果不佳等问题,提出一种跨级特征自适应融合的低照度图像增强算法。该算法首先结合分级采样和广域卷积搭建网络前端,生成大面积感受野的多尺度特征,使浅层信息被充分挖掘。其次... 针对低照度环境下采集的图像存在亮度低、对比度低和视觉效果不佳等问题,提出一种跨级特征自适应融合的低照度图像增强算法。该算法首先结合分级采样和广域卷积搭建网络前端,生成大面积感受野的多尺度特征,使浅层信息被充分挖掘。其次引入多头转置注意力模块嵌于网络中部,计算通道间的互协方差以生成注意力映射,隐式地建立全局上下文信息关联。然后构建联合损失函数修正模型收敛方向,辅助模型从对比度和结构等方面进行优化,提高算法的鲁棒性。最后在LOL和LOLv2数据集上进行实验验证,实验结果表明,所提算法在峰值信噪比(PSNR)和结构相似性(SSIM)等客观指标上整体优于大部分先进算法,主观上图像亮度自然,噪声和伪影得到有效抑制。 展开更多
关键词 低照度图像 广域卷积 多尺度 多头转置注意力 联合损失函数
在线阅读 下载PDF
基于改进的V-Net模型肺结节分割算法的研究 被引量：1
20
作者 李丽 林晓明 +1 位作者 彭丰平 潘家辉 《计算机技术与发展》 2024年第4期82-88,共7页
由于CT图像是三维图像,在原始的V-Net模型分割中,易出现结节漏检和边界分割不清晰,以及损失函数Dice训练时不稳定等问题。根据这些问题,提出3D多尺度SE V-Net,简称MSEV-Net网络,同时通过联合损失函数来提高训练的稳定性。该网络模型在V-... 由于CT图像是三维图像,在原始的V-Net模型分割中,易出现结节漏检和边界分割不清晰,以及损失函数Dice训练时不稳定等问题。根据这些问题,提出3D多尺度SE V-Net,简称MSEV-Net网络,同时通过联合损失函数来提高训练的稳定性。该网络模型在V-Net网络的基础上,使用多尺度卷积模块来替换原有的5×5×5卷积,同时在残差连接后加入SE通道注意力模块,通过不同尺度的特征融合和学习不同通道之间的关系,解决肺结节小不易分割的问题。同时在V-Net网络残差连接基础上加一条短跳跃连接,使得整个网络更好利用全局特征。联合损失函数选择Dice和交叉熵损失函数进行融合,可以很好地解决训练不稳定问题。提出的MSEV-Net网络模型和联合损失函数在平均分割准确率PA达到0.998,DSC达到0.837。实验结果表明,该方法在提高肺结节分割精度方面具有一定的效果。 展开更多
关键词 肺结节分割 V-Net网络 联合损失函数 多尺度卷积 SE模块
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 … 5 下一页 到第 页
使用帮助 返回顶部