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OctConv的DCNN在遥感图像场景分类中的应用 被引量：11
1
作者 高原 陈爱斌 +1 位作者 周国雄 刘发林 《电子测量与仪器学报》 CSCD 北大核心 2020年第1期61-67,共7页
传统卷积神经网络(convolutional neural network,CNN)模型在遥感场景分类中存在大量的空间特征信息冗余,这极大的影响了模型的分类精度和运行效率,针对此问题提出一种基于Octave卷积(octave convolution,OctConv)的深度卷积神经网络(DC... 传统卷积神经网络(convolutional neural network,CNN)模型在遥感场景分类中存在大量的空间特征信息冗余,这极大的影响了模型的分类精度和运行效率,针对此问题提出一种基于Octave卷积(octave convolution,OctConv)的深度卷积神经网络(DCNN)模型.首先将卷积层输出的特征图根据频率分解为高低频两部分,并采用全局平均池化将特征映射信息量较少的低频部分压缩为当前尺寸的四分之一,然后使用OctConv替换传统卷积操作,实现高低频特征的自我更新和信息交互,最后引入迁移学习用于提升模型的鲁棒性以及弥补训练样本不足的问题.实验证明该方法在UC_merced_Land_Use公开数据集下能够达到99.25%的分类精度,相较于同类型方法提高了2个百分点,表明该方法的优越性以及有效性。 展开更多
关键词 遥感 场景分类 octconv DCNN 迁移学习
原文传递
基于Inception-ResNet-V1的乳腺癌病理图像八分类研究
2
作者 熊文艳 王勇 《计算机与数字工程》 2025年第7期1982-1986,共5页
乳腺癌作为女性健康的威胁之一,该类疾病的诊断也是面临着严峻挑战。针对乳腺癌病理学图像八分类准确率较低的问题,提出了一种结合Inception-ResNet-V1模型、八度卷积(OctConv)、注意力机制(Attention mecheanism)的乳腺癌病理图像八分... 乳腺癌作为女性健康的威胁之一,该类疾病的诊断也是面临着严峻挑战。针对乳腺癌病理学图像八分类准确率较低的问题,提出了一种结合Inception-ResNet-V1模型、八度卷积(OctConv)、注意力机制(Attention mecheanism)的乳腺癌病理图像八分类方法,即IOANet。实验结果表明,IOANet模型对乳腺癌病理学图像八分类的识别准确率达到了96.4%。将IOANet模型分别与多阶段任务模型、Inception-ResNet-V2模型进行对比,证明了IOANet模型在乳腺癌病理学图像八分类的问题上具有明显优势。 展开更多
关键词 Inception-ResNet-V1 octconv 注意力机制 八分类
在线阅读 下载PDF
多通道融合注意力网络的低照度图像增强 被引量：7
3
作者 陈清江 顾媛 《光学精密工程》 EI CAS CSCD 北大核心 2023年第14期2111-2122,共12页
针对低照度图像亮度低、对比度低、颜色失真以及现有增强算法大多没有区别处理不同的通道,不利于提取多层次特征的问题,提出多通道融合注意力网络的低照度图像增强算法。首先,通过将八度卷积(Octave Convolution,Oct⁃Conv)引入通道拆分... 针对低照度图像亮度低、对比度低、颜色失真以及现有增强算法大多没有区别处理不同的通道,不利于提取多层次特征的问题,提出多通道融合注意力网络的低照度图像增强算法。首先,通过将八度卷积(Octave Convolution,Oct⁃Conv)引入通道拆分后的残差结构中提出多层级特征提取模块;其次,利用注意力机制与交叉残差结构提出跨尺度特征注意模块;再次,通过大小与通道数不同的模块堆叠的方式获取多层次信息;最后,在通道维度上进行特征融合,并通过重建模块获得输出。实验结果表明,与RISSNet算法相比,在真实图像上的峰值信噪比与结构相似度分别由27.0016 dB和0.8892提升到27.9781 dB和0.9255。所提算法在峰值信噪比、结构相似度、均方误差、视觉信息保真度4种客观评价指标上均获得了最好的结果。该算法能够有效地提高低照度图像的亮度及对比度,且图像纹理细节及色彩保持较好。 展开更多
关键词 图像增强 低照度 注意力机制 多通道 八度卷积
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 下一页 到第 页
使用帮助 返回顶部