-
题名FCSNet:频域感知的跨特征融合烟雾分割网络
- 1
-
-
作者
王开正
曾瑶
张占喜
谭义章
文刚
-
机构
昆明理工大学电力工程学院
南方电网电动汽车服务有限公司
云南电网有限责任公司电力科学研究院
-
出处
《电子与信息学报》
北大核心
2025年第7期2320-2333,共14页
-
基金
国家自然科学基金(52107017)
云南省科技厅基础研究专项青年项目(202201AU070172)。
-
文摘
由于烟雾具有非刚性结构、半透明性以及形态多变等特点,烟雾的语义分割相较于其他物体具有更大的挑战性。为此,该文设计了频域感知的跨特征融合烟雾分割网络(FCSNet),用于应对真实场景中的烟雾分割任务。该网络由Transformer分支、卷积神经网络分支、特征融合分支以及多级高频感知分支组成。为了在获取全局上下文信息的同时降低Transformer分支的计算复杂度,提出频率Transformer分支,该分支基于傅里叶变换来获取全局特征,并使用频域中的低频幅值来代表大规模的语义结构。此外,还提出域间交互模块(DIM),该模块通过加权融合操作和坐标注意力机制,促进了来自不同特征源信息的协同学习和整合,有效地融合全局和局部信息。为了充分利用边缘信息的固有分割能力来解决混淆区域的不准确分割问题,提出多级高频感知模块(MHFM),以获取准确的高频边缘信息。考虑到烟雾的非刚性特征,设计多向交叉注意力模块(MHCA),该模块计算边缘特征图和解码器特征图之间的相似性,从而指导混淆区域的分割结果。实验结果表明,该网络在真实场景烟雾分割数据集中的两个测试数据集上分别达到了58.95%和63.92%的平均交并比,在SMOKE5K数据集上达到了78.94%的平均交并比。与其他方法相比,该网络能够获得准确的烟雾定位和更精细的烟雾边缘。
-
关键词
烟雾语义分割
频率Transformer
域间交互
多级高频感知
多向交叉注意力
-
Keywords
Smoke semantic segmentation
Frequency Transformer
Domain interaction
Multi-level high-frequency perception
Multi-Head Cross Attention(mhca)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名胎盘超声图像分割
- 2
-
-
作者
徐成
张芸
曾祥进
-
机构
武汉工程大学计算机科学与工程学院
武汉市硚口区妇幼保健院
-
出处
《计算机与现代化》
2024年第5期115-119,126,共6页
-
基金
武汉市卫生健康委科研项目(WX21Q66)
国家自然科学基金资助项目(61502355)
湖北省三峡实验室创新基金资助项目(SC215001)。
-
文摘
妊娠早期的胎盘形状和大小与胎儿生长等临床结果紧密相关。针对人工手动标注胎盘轮廓较为耗时的分割方法,设计一种新型深度学习分割网络:DEC-U-Net,该模型设计依据U-Net架构,在U-Net下采样阶段使用深度超参数化卷积代替2D卷积并且联合ECA(Efficient Channel Attention)注意力机制,在不过多引入参数量的同时提高对胎盘细节特征识别的准确度。将交叉注意力机制引入跳跃链接,解决胎盘边界模糊、对比度不均等问题。与普通U-Net网络相比,本文算法分别在交并比(IoU)、召回率(Recall)、精确度(Precision)、Dice系数上提升4.14、9.59、6.2、16.41个百分点。实验结果表明,改进后的网络模型具有较好的分割效果,能够将超声图像中的胎盘进行精确分割。
-
关键词
胎儿超声图像
胎盘检测
Do-Conv
ECA注意力
mhca
-
Keywords
fetal ultrasound images
placental testing
Do-Conv
ECA attention
mhca
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
