-
题名基于SAM伪标签优化的半监督显著目标检测
- 1
-
-
作者
朱浩男
石艳娇
张晴
崔柳
-
机构
上海应用技术大学计算机科学与信息工程学院
-
出处
《计算机工程与设计》
北大核心
2025年第11期3258-3265,共8页
-
基金
上海市自然科学基金项目(21ZR1462600)
上海应用技术大学人才培育基金项目(ZQ2023-15)
上海应用技术大学科技发展基金项目(KJFZ2024-14)。
-
文摘
为了解决弱监督学习性能不足以及半监督学习在显著目标检测领域的系统性研究尚不充分的问题,提出了一种基于知识蒸馏的半监督显著目标检测算法。该算法在蒸馏过程中引入了分割万物模型,显著提升了教师模型的预测精度。训练阶段采用双分支边缘重建网络,并通过空间自适应归一化机制有效重建边缘特征,进一步优化显著目标的边界信息。在5个公共数据集上的大量实验结果表明,所提出的半监督学习方法不仅能够减小模型对监督信号的依赖,还展现出了优越的性能。
-
关键词
显著目标检测
半监督学习
知识蒸馏
分割万物模型
双分支网络
边缘重建
空间自适应归一化
-
Keywords
salient object detection
semi-supervised learning
knowledge distillation
segment anything model(SAM)
dualbranch network
edge reconstruction
spatial adaptive normalization
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名结合空间域和频域信息的双分支低光照图像增强网络
被引量：2
- 2
-
-
作者
李大海
王忠华
王振东
-
机构
江西理工大学信息工程学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第7期2175-2182,共8页
-
基金
国家自然科学基金资助项目(61562037)
江西理工大学校级基金资助项目(205200100013)。
-
文摘
针对低光照图像增强中纹理细节模糊和颜色失真的问题,从空间域和频域信息结合的角度出发,提出一个端到端的轻量级双分支网络(SAFNet)。SAFNet使用基于Transformer的空间域处理模块和频域处理模块在空间域分支和频域分支分别对图像的空间域信息和傅里叶变换后的频域信息进行处理,并通过注意力机制引导两个分支的特征进行自适应融合,得到最终增强的图像。此外,针对频域信息提出一个频域损失函数作为联合损失函数的一部分,通过联合损失函数在空间域和频域都对SAFNet进行约束。在公开数据集LOL和LSRW上进行实验,在LOL上,SAFNet在客观指标结构相似性(SSIM)和学习感知图像块相似度(LPIPS)两项指标上分别达到0.823和0.114;在LSRW上,峰值信噪比(PSNR)和SSIM分别达到17.234 dB和0.550,均优于LLFormer(Low-Light Transformer)、IAT(Illumination Adaptive Transformer)、KinD(Kindling the Darkness)++等主流方法,且网络参数量仅为0.07×10^(6);在DarkFace数据集上,使用SAFNet作为预处理步骤对待检测图像进行增强,可以使人脸检测平均精确率从52.6%提升至72.5%。实验结果表明,SAFNet能有效提高低光照图像的质量,并能显著改善下游任务低光照人脸检测的性能。
-
关键词
低光照图像增强
空间域
频域信息
TRANSFORMER
注意力机制
双分支网络
-
Keywords
low-light image enhancement
spatial domain
frequency domain
Transformer
attention mechanism
dualbranch network
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
