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4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UCC-Swin的糖尿病视网膜病变分类研究
1
作者 陶烨豪 《电脑与信息技术》 2026年第1期44-49,共6页
针对现有方法在糖尿病视网膜病变(diabetic retinopathy,DR)分类任务中存在的挑战,提出了一种改进的UCC-Swin网络架构。该网络在Swin Transformer骨干的基础上进行了3方面关键改进:(1)引入U形特征金字塔网络(U-shaped feature pyramid n... 针对现有方法在糖尿病视网膜病变(diabetic retinopathy,DR)分类任务中存在的挑战,提出了一种改进的UCC-Swin网络架构。该网络在Swin Transformer骨干的基础上进行了3方面关键改进:(1)引入U形特征金字塔网络(U-shaped feature pyramid network,U-FPN)模块实现多尺度特征的有效融合,平衡语义信息与空间细节,以增强对不同尺度病灶特征的捕获能力;(2)在编码结构中嵌入CBAM注意力机制,通过通道与空间双重加权,提升模型对微小病灶区域的聚焦能力;(3)设计了融合类别重加权、相似性惩罚及标签平滑机制的CDS混合损失函数,以缓解类别不平衡,提升模型对病变等级细微差异的敏感性并增强泛化能力。在APTOS2019数据集上,UCC-Swin模型的准确率、召回率、特异性和F1分数分别达到95.36%、94.82%、98.92%和94.96%,在EyePACS数据集上,UCC-Swin同样实现了93.69%的准确率和92.57%的F1分数,均优于VGG16、ResNet50、MobileViT和EfficientNetV2等主流模型。实验结果表明,UCC-Swin在DR分类任务中能够有效提升分类精度与鲁棒性,为糖尿病视网膜病变的自动化辅助诊断提供了有力支持。 展开更多
关键词 糖尿病视网膜病变 Swin Transformer u-fpn CBAM 混合损失函数
在线阅读 下载PDF
眼底血管分割:一种多网络融合方法
2
作者 杨国虎 刘平 +1 位作者 金雨纯 甄元元 《微电子学与计算机》 2026年第4期37-49,共13页
在临床诊断眼底疾病的重要辅助方法中,利用深度学习技术进行视网膜图像分割显得尤为关键。然而,现有方法未能充分考虑感受野在高分辨率图像特征提取中的重要性,同时视网膜图像受到多种因素影响,如光照变化、噪声和患者个体差异等。为此... 在临床诊断眼底疾病的重要辅助方法中,利用深度学习技术进行视网膜图像分割显得尤为关键。然而,现有方法未能充分考虑感受野在高分辨率图像特征提取中的重要性,同时视网膜图像受到多种因素影响,如光照变化、噪声和患者个体差异等。为此,提出了一种结合特征金字塔网络(Feature Pyramid Networks,FPN)、U-Net与通道注意力机制的深度学习模型(FPN-Unet)。同时,为了更好地捕捉目标边缘,引入了边界标签松弛损失函数(Boundary Label Relaxation,BLR)。FPN可以有效地处理不同尺度的特征信息,而U-Net的对称结构增强了上下文信息的利用。通过引入通道注意力机制,模型能够更加聚焦于重要的血管区域,抑制背景噪声,从而提升分割精度。在多个公开数据集上进行了验证,证明了此方法的有效性,并将其与现有的分割模型进行了对比。实验结果显示:FPN-Unet能够有效提高视网膜图像的分割精度,在两个公共合理的高分辨率Fives与HRF数据集上,准确率分别达到0.9877和0.9732,灵敏度分别为0.9085和0.8324,均优于传统的视网膜图像分割方法,且在小目标和复杂背景处理上表现出色。结果表明:结合FPN、Unet网络和通道注意力机制的视网膜图像分割方法有望为临床眼科应用提供更为准确和可靠的支撑。 展开更多
关键词 眼底图像分割 FPN U-Net 通道注意力机制 分割精度 FPN-Unet
在线阅读 下载PDF
改进U-Net网络的高分辨率遥感影像建筑物提取方法 被引量：2
3
作者 陶从辉 高青山 赵梦琳 《地理空间信息》 2025年第1期9-12,共4页
针对高分辨率遥感影像建筑物提取精度不高、易出现误提和漏提等问题,提出了一种改进U-Net网络的建筑物提取方法。以Res Net50为U-Net模型的编码器部分,同时引入CBAM混合注意力机制和FPN特征金字塔结构对网络进行优化,从而提高网络提取... 针对高分辨率遥感影像建筑物提取精度不高、易出现误提和漏提等问题,提出了一种改进U-Net网络的建筑物提取方法。以Res Net50为U-Net模型的编码器部分,同时引入CBAM混合注意力机制和FPN特征金字塔结构对网络进行优化,从而提高网络提取建筑物信息的准确度和稳健性。基于高景一号遥感影像,制作512×512大小的样本进行训练,并与U-Net、基于Res Net50骨干网络的U-Net网络和Deep Labv3+进行对比验证。结果表明,该算法具有更强的分割效果和性能,适用于不同类型的高分辨率建筑物提取任务。 展开更多
关键词 高景一号 建筑物提取 U-Net ResNet50 FPN CBAM
在线阅读 下载PDF
深度学习驱动的甲骨文拓片单字分割与识别
4
作者 邹阳 蒋志辉 +1 位作者 张燕炜 许宏飞 《科技创新与应用》 2025年第11期1-5,共5页
甲骨文的数字化处理对中华文化遗产保护与传承具有重要意义,该文旨在通过先进的图像处理技术实现甲骨文图像的精准分割与识别。首先对原始拓片图像执行灰度化,并采用Otsu算法、形态学操作与高斯模糊技术进行预处理。在此基础上,利用HOG... 甲骨文的数字化处理对中华文化遗产保护与传承具有重要意义,该文旨在通过先进的图像处理技术实现甲骨文图像的精准分割与识别。首先对原始拓片图像执行灰度化,并采用Otsu算法、形态学操作与高斯模糊技术进行预处理。在此基础上,利用HOG、SIFT、LBP等特征提取方法,构建甲骨文图像的预处理模型。其次,设计并训练基于U-Net的图像分割模型,通过二分类交叉熵损失函数和Dice系数等多维评估指标,对模型性能进行综合评价,模型在精确度上达到94.25%,显示出较高的分割精度。最后,建立基于FPN的文字识别模型,并采用平均精度均值(mAP)、精确度、召回率和F1分数等指标进行评估。测试结果显示,该模型的平均精度均值达到81.56%,展现模型在甲骨文识别上的卓越性能,为甲骨文的数字化保护与研究提供有力的技术支持。 展开更多
关键词 甲骨文 图像分割 深度学习 特征提取 U-Net 文字识别 FPN目标检测
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