期刊导航
期刊开放获取
河南省图书馆
退出
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
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
检索
高级检索
期刊导航
共找到
2
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
自然场景车标数据集的构建及其应用
被引量:
2
1
作者
邹北骥
雷太航
+2 位作者
刘姝
廖望旻
姜灵子
《国防科技大学学报》
EI
CAS
CSCD
北大核心
2021年第1期95-102,共8页
车标作为车辆身份的关键特征之一,在车辆的监控与辨识中发挥着重要作用。由于自然场景复杂多变,对其中的车标进行准确识别仍具有很大的挑战性。目前公开数据库很少且存在诸多局限,导致研究缺乏可信度和实用性。本文建立了一个面向自然...
车标作为车辆身份的关键特征之一,在车辆的监控与辨识中发挥着重要作用。由于自然场景复杂多变,对其中的车标进行准确识别仍具有很大的挑战性。目前公开数据库很少且存在诸多局限,导致研究缺乏可信度和实用性。本文建立了一个面向自然场景的全新数据集,包含多种采集环境下的10324幅、67类车辆图像。基于此数据集开展应用研究,提出一个目标检测与深度学习相结合的车标识别方法,包括车标区域定位和车标种类预测两大步骤。实验表明,该方法对复杂背景有较强的适应性,在涉及30种车标的分类任务中达到89.0%的总体识别率。
展开更多
关键词
车标识别
自然场景
目标检测
深度学习
下载PDF
职称材料
医学影像处理的深度学习可解释性研究进展
被引量:
11
2
作者
陈园琼
邹北骥
+3 位作者
张美华
廖望旻
黄嘉儿
朱承璋
《浙江大学学报(理学版)》
CAS
CSCD
北大核心
2021年第1期18-29,40,共13页
随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理...
随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理中已取得不俗表现,但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解,对近几年相关研究进展进行了综述。首先,综述了深度学习在医学领域的应用现状及面临的问题,对神经网络的可解释性内涵进行了讨论;然后,从现有深度学习可解释性的常见方法出发,重点讨论了医学影像处理的深度学习可解释性研究进展;最后,探讨了医学影像处理的深度学习可解释性的发展趋势。
展开更多
关键词
深度学习
医学影像
可解释性
下载PDF
职称材料
题名
自然场景车标数据集的构建及其应用
被引量:
2
1
作者
邹北骥
雷太航
刘姝
廖望旻
姜灵子
机构
中南大学计算机学院
中南大学湖南省机器视觉与智慧医疗工程技术研究中心
出处
《国防科技大学学报》
EI
CAS
CSCD
北大核心
2021年第1期95-102,共8页
基金
国家自然科学基金资助项目(61902435)
湖南省科技计划资助项目(2017WK2074)
湖南省自然科学基金资助项目(2019JJ50808)。
文摘
车标作为车辆身份的关键特征之一,在车辆的监控与辨识中发挥着重要作用。由于自然场景复杂多变,对其中的车标进行准确识别仍具有很大的挑战性。目前公开数据库很少且存在诸多局限,导致研究缺乏可信度和实用性。本文建立了一个面向自然场景的全新数据集,包含多种采集环境下的10324幅、67类车辆图像。基于此数据集开展应用研究,提出一个目标检测与深度学习相结合的车标识别方法,包括车标区域定位和车标种类预测两大步骤。实验表明,该方法对复杂背景有较强的适应性,在涉及30种车标的分类任务中达到89.0%的总体识别率。
关键词
车标识别
自然场景
目标检测
深度学习
Keywords
vehicle logo recognition
natural scene
object detection
deep learning
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
医学影像处理的深度学习可解释性研究进展
被引量:
11
2
作者
陈园琼
邹北骥
张美华
廖望旻
黄嘉儿
朱承璋
机构
中南大学计算机学院
吉首大学软件学院
“移动医疗”教育部-中国移动联合实验室
机器视觉与智慧医疗工程技术中心
中南大学文学与新闻传播学院
出处
《浙江大学学报(理学版)》
CAS
CSCD
北大核心
2021年第1期18-29,40,共13页
基金
国家自然科学基金资助项目(61702559)
国家重大科技专项(2018AAA0102102)
+3 种基金
国家重点研发计划项目(2017YFC0909901)湖南省科技计划项目(2017WK2074)
湖南省自然科学基金资助项目(2018JJ3686)
高等学校学科创新引智计划项目(B18059)
湖南省教育厅科学研究项目(19C1535).
文摘
随着医学影像数据的迅速增长,传统的影像分析方法给医生带来巨大挑战。利用计算机视觉技术提供自动或半自动辅助诊断,可大大缓解人工阅片压力,提高诊断的准确性,促进医疗流程的标准化建设等。目前,深度学习卷积神经网络在医学影像处理中已取得不俗表现,但深度学习“黑匣子”的不可解释性阻碍了智能医疗诊断的发展。为增强对医学影像数据处理的深度学习可解释性的了解,对近几年相关研究进展进行了综述。首先,综述了深度学习在医学领域的应用现状及面临的问题,对神经网络的可解释性内涵进行了讨论;然后,从现有深度学习可解释性的常见方法出发,重点讨论了医学影像处理的深度学习可解释性研究进展;最后,探讨了医学影像处理的深度学习可解释性的发展趋势。
关键词
深度学习
医学影像
可解释性
Keywords
deep learning
medical image processing
interpretability
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
自然场景车标数据集的构建及其应用
邹北骥
雷太航
刘姝
廖望旻
姜灵子
《国防科技大学学报》
EI
CAS
CSCD
北大核心
2021
2
下载PDF
职称材料
2
医学影像处理的深度学习可解释性研究进展
陈园琼
邹北骥
张美华
廖望旻
黄嘉儿
朱承璋
《浙江大学学报(理学版)》
CAS
CSCD
北大核心
2021
11
下载PDF
职称材料
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
确定
用户登录
登录
IP登录
使用帮助
返回顶部