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10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RefineNet卷积神经网络对CT颅底骨折精准诊断的应用价值 被引量：1
1
作者 林煜文 黄冬云 龙琳 《医学影像学杂志》 2024年第7期5-8,17,共5页
目的 探讨RefineNet卷积神经网络对CT检查颅底骨折精准诊断的应用价值。方法 选取于我院进行头颅CT检查的患者90例,其中46例表现为颅底骨折(颅底骨折组),44例则为正常颅脑(对照组)。分析患者的特征,明确RefineNet结构参数;对比分析Effic... 目的 探讨RefineNet卷积神经网络对CT检查颅底骨折精准诊断的应用价值。方法 选取于我院进行头颅CT检查的患者90例,其中46例表现为颅底骨折(颅底骨折组),44例则为正常颅脑(对照组)。分析患者的特征,明确RefineNet结构参数;对比分析Efficient Net, VGG16, Dense Net, Res Net-50和Xception五种模型与RefineNet的性能差异;分析Mobile Net, Inception-v3, Dense Net-201, CUMED和SDL五种已有方法与RefineNet的性能差异。验证RefineNet卷积神经网络与人工测试的召回率、精准率以及测试所需时间。结果 RefineNet的准确率和AUC值显著高于5种模型和已有的5种方法;RefineNet卷积神经网络在骨折患者、颅底区域、前颅区域、中颅区域和后颅区域的召回率和精准率均显著高于人工测试的精准率,差异有统计学意义(P<0.05);RefineNet卷积神经网络所需的测试时间显著低于人工测试所需的时间,差异有统计学意义(P<0.05)。结论 RefineNet卷积神经网络对CT检查颅底骨折诊断精准率高、所需时间少。 展开更多
关键词 refinenet卷积神经网络 体层摄影术 X线计算机 颅底骨折
暂未订购
基于RefineNet的端到端语音增强方法 被引量：3
2
作者 蓝天 彭川 +3 位作者 李森 钱宇欣 陈聪 刘峤 《自动化学报》 EI CAS CSCD 北大核心 2022年第2期554-563,共10页
为提高神经网络对语音信号时域波形的直接处理能力,提出了一种基于RefineNet的端到端语音增强方法.本文构建了一个时频分析神经网络,模拟语音信号处理中的短时傅里叶变换,利用RefineNet网络学习含噪语音到纯净语音的特征映射.在模型训... 为提高神经网络对语音信号时域波形的直接处理能力,提出了一种基于RefineNet的端到端语音增强方法.本文构建了一个时频分析神经网络,模拟语音信号处理中的短时傅里叶变换,利用RefineNet网络学习含噪语音到纯净语音的特征映射.在模型训练阶段,用多目标联合优化的训练策略将语音增强的评价指标短时客观可懂度(Short-time objective intelligibility,STOI)与信源失真比(Source to distortion ratio,SDR)融入到训练的损失函数.在与具有代表性的传统方法和端到端的深度学习方法的对比实验中,本文提出的算法在客观评价指标上均取得了最好的增强效果,并且在未知噪声和低信噪比条件下表现出更好的抗噪性. 展开更多
关键词 语音增强 端到端 refinenet 多目标联合优化 深度神经网络
在线阅读 下载PDF
基于VAE-RefineNet算法流程的GPR杂波抑制和目标成像 被引量：2
3
作者 戴前伟 熊泽平 +3 位作者 丁浩 雷建伟 贺月 雷轶 《地球物理学进展》 CSCD 北大核心 2023年第5期2250-2262,共13页
在探地雷达勘探中,地下层位和杂波会对管线异常双曲线波形产生的干扰,为了提高目标成像质量,本文提出了一种基于混合损失函数的VAE和RefineNet网络算法流程用于优化GPR剖面.首先,使用VAE网络消除剖面中的地层信息,将输入数据通过编码映... 在探地雷达勘探中,地下层位和杂波会对管线异常双曲线波形产生的干扰,为了提高目标成像质量,本文提出了一种基于混合损失函数的VAE和RefineNet网络算法流程用于优化GPR剖面.首先,使用VAE网络消除剖面中的地层信息,将输入数据通过编码映射到潜在空间,再从潜在空间中随机抽取样本并解码,以生成不含地层信息的剖面;然后,将该剖面输入RefineNet网络中,对剖面中的杂波干扰进行抑制,RefineNet网络通过增加混合注意力模块、残差卷积单元、像素混洗、链式残差池化和多尺度金字塔模块,提高了网络对于细节特征的捕获能力,在有效抑制杂波干扰的同时,还能关注到目标信号,提高目标信号连续性并且增强目标信号.通过数值模拟中不同损失函数的处理效果对比,验证了本文所提出算法流程对于处理GPR剖面的有效性和适应性.并且成功应用于实测资料中,提高了目标成像质量,使得目标异常体的定位信息更加准确,对实际工程应用具有指导意义. 展开更多
关键词 探地雷达 变分自编码器 refinenet 混合损失函数 地下管线 目标成像
原文传递
利用RefineNet模型提取冬小麦种植信息的方法 被引量：2
4
作者 宋德娟 魏青迪 +3 位作者 张承明 李峰 韩颖娟 范克琦 《遥感技术与应用》 CSCD 北大核心 2019年第4期720-726,共7页
冬小麦是我国主要的粮食作物,获取精细的冬小麦种植信息对于指导农业生产具有重要的意义。通过对RefineNet模型进行扩展,形成了适宜提取冬小麦种植信息的Ex-RefineNet(ExtendRefineNet)模型,Ex-RefineNet模型由两个子模型组成,Ex-Refine... 冬小麦是我国主要的粮食作物,获取精细的冬小麦种植信息对于指导农业生产具有重要的意义。通过对RefineNet模型进行扩展,形成了适宜提取冬小麦种植信息的Ex-RefineNet(ExtendRefineNet)模型,Ex-RefineNet模型由两个子模型组成,Ex-RefineNet-Edge子模型用于提取冬小麦种植区域的边缘像素,Ex-RefineNet-Inner子模型用于提取冬小麦种植区域的内部像素,使用贝叶斯模型对两个子模型的提取结果进行合并处理,形成最终提取结果。利用山东省山东大学和泰安市的16幅高分2号遥感影像进行实验,将每幅影像的2/3作为训练数据,其他数据作为测试数据,选择平均精度、查全率和Kappa系数作为对比指标,Ex-RefineNet模型的结果分别为0.93、0.92、0.91,而RefineNet模型的结果分别为0.86、0.84、0.83,说明本文给出的方法在提取冬小麦种植信息方面具有较明显的优势。 展开更多
关键词 影像分割 GF-2 refinenet模型 贝叶斯模型 冬小麦
原文传递
基于RefineNet的胸环靶图分割方法 被引量：2
5
作者 黄应清 陈晓明 +1 位作者 谢志宏 田钦文 《兵器装备工程学报》 CSCD 北大核心 2021年第9期231-236,共6页
提出一种基于深度学习的胸环靶有效区域分割方法。通过对RefineNet网络结构进行改进,并搭建网络模型,构建数据集,调整网络参数,完成了模型的训练,对实际靶场图像中的胸环靶有效区域进行分割。试验结果表明:该模型可以对复杂背景环境下... 提出一种基于深度学习的胸环靶有效区域分割方法。通过对RefineNet网络结构进行改进,并搭建网络模型,构建数据集,调整网络参数,完成了模型的训练,对实际靶场图像中的胸环靶有效区域进行分割。试验结果表明:该模型可以对复杂背景环境下的胸环靶图像有效区域进行像素级精准分割。与现有方法相比,该方法在视觉效果及客观评价指标上分割效果更好,有效推动了基于计算机视觉的自动报靶系统在复杂环境下的应用进程。 展开更多
关键词 自动报靶系统 深度学习 refinenet网络 胸环靶 语义分割
在线阅读 下载PDF
结合RefineNet的无监督图像拼接网络
6
作者 齐梦妍 朱磊 万娅娅 《长江信息通信》 2022年第11期23-26,共4页
为减少无监督图像拼接结果中存在的伪影和错位问题,提出了一种结合RefineNet的无监督图像拼接网络。该网络首先通过一个深度单应性(Deep Homography)算法计算两幅图像的投影矩阵,根据矩阵参数扭曲其中一副图像完成拼接过程的预对齐;其... 为减少无监督图像拼接结果中存在的伪影和错位问题,提出了一种结合RefineNet的无监督图像拼接网络。该网络首先通过一个深度单应性(Deep Homography)算法计算两幅图像的投影矩阵,根据矩阵参数扭曲其中一副图像完成拼接过程的预对齐;其次在进行编解码处理时充分利用不同尺度的中间层特征图提取空间和语义信息,以加强网络对图像错位区域的感知能力;最后在恢复图像时引入链式残差池化结构捕获图像背景区域中的上下文特征,进一步提高了拼接的质量。实验结果表明:本文方法没有明显的拼接痕迹,亮度和颜色过渡自然,同时有效减少伪影和错位现象,结构相似性相较于其它3种拼接算法性能至少提高了1%,峰值信噪比较深度学习方法提高了0.26dB。 展开更多
关键词 图像拼接 无监督网络 refinenet 链式残差池化 HOMOGRAPHY
在线阅读 下载PDF
结合上下文特征与CNN多层特征融合的语义分割 被引量：5
7
作者 罗会兰 张云 《中国图象图形学报》 CSCD 北大核心 2019年第12期2200-2209,共10页
目的针对基于区域的语义分割方法在进行语义分割时容易缺失细节信息,造成图像语义分割结果粗糙、准确度低的问题,提出结合上下文特征与卷积神经网络(CNN)多层特征融合的语义分割方法。方法首先,采用选择搜索方法从图像中生成不同尺度的... 目的针对基于区域的语义分割方法在进行语义分割时容易缺失细节信息,造成图像语义分割结果粗糙、准确度低的问题,提出结合上下文特征与卷积神经网络(CNN)多层特征融合的语义分割方法。方法首先,采用选择搜索方法从图像中生成不同尺度的候选区域,得到区域特征掩膜;其次,采用卷积神经网络提取每个区域的特征,并行融合高层特征与低层特征。由于不同层提取的特征图大小不同,采用RefineNet模型将不同分辨率的特征图进行融合;最后将区域特征掩膜和融合后的特征图输入到自由形式感兴趣区域池化层,经过softmax分类层得到图像的像素级分类标签。结果采用上下文特征与CNN多层特征融合作为算法的基本框架,得到了较好的性能,实验内容主要包括CNN多层特征融合、结合背景信息和融合特征以及dropout值对实验结果的影响分析,在Siftflow数据集上进行测试,像素准确率达到82.3%,平均准确率达到63.1%。与当前基于区域的端到端语义分割模型相比,像素准确率提高了10.6%,平均准确率提高了0.6%。结论本文算法结合了区域的前景信息和上下文信息,充分利用了区域的语境信息,采用弃权原则降低网络的参数量,避免过拟合,同时利用RefineNet网络模型对CNN多层特征进行融合,有效地将图像的多层细节信息用于分割,增强了模型对于区域中小目标物体的判别能力,对于有遮挡和复杂背景的图像表现出较好的分割效果。 展开更多
关键词 语义分割 卷积神经网络 特征融合 选择搜索 refinenet模型
原文传递
高分二号遥感影像提取冬小麦空间分布 被引量：22
8
作者 宋德娟 张承明 +4 位作者 杨晓霞 李峰 韩颖娟 高帅 董海燕 《遥感学报》 EI CSCD 北大核心 2020年第5期596-608,共13页
精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数... 精细的农作物空间分布数据对于资源、环境、生态、气候变化和粮食安全问题均具有重要的意义,卷积神经网络已经成为从遥感影像中提取农作物空间分布数据的主要方法,但提取结果中的种植区域边缘往往比较粗糙。本文以高分二号遥感影像为数据源,选择冬小麦为提取目标,利用RefineNet模型和最大后验概率模型构建冬小麦遥感提取模型WWRSE(Winter Wheat Remote Sensing Extraction),获取精细的冬小麦空间分布数据。WWRSE模型利用RefineNet网络提取像素的语义特征,使用改进的SoftMax模型生成像素的类别概率向量;以类别概率向量的最大分量与次大分量的差值作为置信度,根据置信度将类别概率向量分为可信和不可信两组,可信组直接使用最大分量对应的类别标签作为相应像素的分类结果;结合最大后验概率模型确定不可信组像素的分类结果。利用随机梯度法对WWRSE模型进行训练。选择SegNet、DeepLab、RefineNet作为对比模型进行实验,WWRSE提取结果的精度为92.9%,比SegNet提高了13.8%,比DeepLab提高了10.9%,比RefineNet提高了8.6%。实验结果表明WWRSE模型在提取冬小麦空间分布数据方面具有一定的优势。WWRSE模型提取的结果能够为大范围冬小麦种植面积统计提供依据。 展开更多
关键词 高分二号 卷积神经网络 refinenet模型 最大后验概率模型 冬小麦 空间分布 章丘
原文传递
用于草坪场景理解的轻量化图像分割算法 被引量：2
9
作者 侯枘辰 刘瑜 +1 位作者 廉华 巩彦丽 《计算机技术与发展》 2020年第10期59-63,共5页
为提高割草机器人作业过程中视觉感知模块的识别准确率,提出了使用图像分割算法进行草坪场景的理解识别。图像分割算法的计算量非常大,运行时依赖高性能的GPU,而割草机器人的硬件条件较差,因此设计了一种兼顾分割准确率和运行速度的轻... 为提高割草机器人作业过程中视觉感知模块的识别准确率,提出了使用图像分割算法进行草坪场景的理解识别。图像分割算法的计算量非常大,运行时依赖高性能的GPU,而割草机器人的硬件条件较差,因此设计了一种兼顾分割准确率和运行速度的轻量化深度卷积神经网络。网络采用编码-解码的结构,在编码网络部分,采用轻量化的特征提取模型,将深度可分离卷积的思想融入特征提取模型中,代替传统的卷积方式;在解码网络部分,基于RefineNet模块减少参数量,融合编码器的高分辨率特征和低分辨率特征。使用PASAL VOC2012分割数据集进行预训练,构建草坪场景数据集进行微调和测试评估。结果表明:提出的算法结构在保持较高准确率的前提下,网络的参数量有大幅度的减少,运行速率有大幅度提高,在机器人草坪场理解任务上有更好的综合性能。 展开更多
关键词 图像分割 深度学习 深度可分离卷积 refinenet 卷积神经网络
在线阅读 下载PDF
应用于图像语义分割的神经网络——从SegNet到U-Net 被引量：1
10
作者 梅迪 《电子制作》 2021年第12期49-52,共4页
图像语义分割技术在图像分割的基础上融入了目标识别技术,不仅可以做到对目标的提取,还可以判断目标的种类。通过对每个像素进行分类,从而获得含有语义信息的图像就是图像语义分割算法的主要工作。传统的方法大多是借助图像像素自身的... 图像语义分割技术在图像分割的基础上融入了目标识别技术,不仅可以做到对目标的提取,还可以判断目标的种类。通过对每个像素进行分类,从而获得含有语义信息的图像就是图像语义分割算法的主要工作。传统的方法大多是借助图像像素自身的中、低阶视觉信息,如颜色、纹理、形状、粗糙度、方向度与紧凑度的相关性来进行图像分割,针对特定背景的分割能力较强,但在较复杂的任务上表现差强人意。但深度学习的到来也带来了巨大的改变,深度学习图像分割算法的发展也经历了从粗糙到精细、从局部到全局的过程。本文将按照时间顺序,介绍一些对于语义分割有重大帮助,或对其发展做出巨大贡献的神经网络结构。 展开更多
关键词 语义分割 深度学习 神经网络 SegNet DCNN refinenet PSPNet U-Net
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