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
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:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
融合残差上采样结构的P^(2)Net无监督单目深度估计
1
作者
刘安旭
黎向锋
+3 位作者
刘晋川
赵康
李高扬
左敦稳
《计算机系统应用》
2022年第11期365-372,共8页
单目深度估计是计算机视觉领域中的一个基本问题,面片匹配与平面正则化网络(P^(2)Net)是现阶段最先进的无监督单目深度估计方法之一.由于P^(2)Net中深度预测网络所采用的上采样方法为计算过程较为简单的最近邻插值算法,使得预测深度图...
单目深度估计是计算机视觉领域中的一个基本问题,面片匹配与平面正则化网络(P^(2)Net)是现阶段最先进的无监督单目深度估计方法之一.由于P^(2)Net中深度预测网络所采用的上采样方法为计算过程较为简单的最近邻插值算法,使得预测深度图的生成质量较差.因此,本文基于多种上采样算法构建出残差上采样结构来替换原网络中的上采样层,以获取更多特征信息,提高物体结构的完整性.在NYU-Depth V2数据集上的实验结果表明,基于反卷积算法、双线性插值算法和像素重组算法的改进P^(2)Net网络相较原网络在均方根误差RMSE指标上分别降低了2.25%、2.73%和3.05%.本文的残差上采样结构提高了预测深度图的生成质量,降低了预测误差.
展开更多
关键词
深度估计
无监督
P^(2)Net
残差上采样
结构
深度学习
下载PDF
职称材料
用于肺部病灶图像分割的多尺度稠密融合网络
2
作者
卢小燕
徐杨
袁文昊
《计算机应用》
CSCD
北大核心
2023年第10期3282-3289,共8页
针对主流的深度学习网络难以完整分割肺部病灶、区域边界预测模糊的问题,提出一种基于U-Net的多尺度稠密融合网络(MDF-Net)。首先,引入多分支密集跳层连接以捕获多级上下文信息,并在网络末端引入信息加权融合(IWF)模块进行逐级融合,以...
针对主流的深度学习网络难以完整分割肺部病灶、区域边界预测模糊的问题,提出一种基于U-Net的多尺度稠密融合网络(MDF-Net)。首先,引入多分支密集跳层连接以捕获多级上下文信息,并在网络末端引入信息加权融合(IWF)模块进行逐级融合,以解决网络中的特征损失问题;其次,设计一种自注意力金字塔模块,使用各金字塔层对特征图进行不同规模的切分处理,并使用自注意力机制计算像素关联度,从而增强局部与全局区域的感染特征显著性;最后,设计一种区别于传统U-Net的上采样模式的上采样残差(UR)模块,多分支的残差结构与通道特征激励使网络能够还原更加丰富的微小病灶特征。在两个公开数据集上的实验结果显示,与UNeXt相比,所提网络的准确度(ACC)分别提升了1.5%和1.4%,平均交并比(MIoU)分别提升了3.9%和1.9%,实验结果验证了MDF-Net具有更好的肺部病灶分割性能。
展开更多
关键词
肺部疾病
密集跳层连接
自注意力金字塔
上采样
残差
信息加权融合
下载PDF
职称材料
一种基于U型全卷积神经网络的深度估计模型
3
作者
王小康
付小宁
《计算机科学与应用》
2019年第2期250-255,共6页
本文解决了从单张图像估计深度信息的问题。单张图像与深度图之间的映射是是模棱两可的,它需要全局信息和局部信息。本文部署了一个全卷积U型神经网络,它用预训练的ResNet-50网络提取图像特征,然后用残差上采样模块将特征图恢复到深度...
本文解决了从单张图像估计深度信息的问题。单张图像与深度图之间的映射是是模棱两可的,它需要全局信息和局部信息。本文部署了一个全卷积U型神经网络,它用预训练的ResNet-50网络提取图像特征,然后用残差上采样模块将特征图恢复到深度图的尺寸大小,并且使用了跳跃链接,整个网络呈现U型,从而对全局信息和局部信息进行融合。整个网络可以进行端到端的训练。
展开更多
关键词
单目深度估计
全卷积神经网络
残差上采样
跳跃链接
下载PDF
职称材料
题名
融合残差上采样结构的P^(2)Net无监督单目深度估计
1
作者
刘安旭
黎向锋
刘晋川
赵康
李高扬
左敦稳
机构
南京航空航天大学机电学院
出处
《计算机系统应用》
2022年第11期365-372,共8页
基金
国家自然科学基金联合基金(U20A20293)
文摘
单目深度估计是计算机视觉领域中的一个基本问题,面片匹配与平面正则化网络(P^(2)Net)是现阶段最先进的无监督单目深度估计方法之一.由于P^(2)Net中深度预测网络所采用的上采样方法为计算过程较为简单的最近邻插值算法,使得预测深度图的生成质量较差.因此,本文基于多种上采样算法构建出残差上采样结构来替换原网络中的上采样层,以获取更多特征信息,提高物体结构的完整性.在NYU-Depth V2数据集上的实验结果表明,基于反卷积算法、双线性插值算法和像素重组算法的改进P^(2)Net网络相较原网络在均方根误差RMSE指标上分别降低了2.25%、2.73%和3.05%.本文的残差上采样结构提高了预测深度图的生成质量,降低了预测误差.
关键词
深度估计
无监督
P^(2)Net
残差上采样
结构
深度学习
Keywords
depth estimation
unsupervised
patch-match and plane-regularization network(P^(2)Net)
residual upsampling structure
deep learning
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
用于肺部病灶图像分割的多尺度稠密融合网络
2
作者
卢小燕
徐杨
袁文昊
机构
贵州大学大数据与信息工程学院
贵阳铝镁设计研究院有限公司
出处
《计算机应用》
CSCD
北大核心
2023年第10期3282-3289,共8页
基金
贵州省科技计划项目(黔科合支撑[2021]一般176)。
文摘
针对主流的深度学习网络难以完整分割肺部病灶、区域边界预测模糊的问题,提出一种基于U-Net的多尺度稠密融合网络(MDF-Net)。首先,引入多分支密集跳层连接以捕获多级上下文信息,并在网络末端引入信息加权融合(IWF)模块进行逐级融合,以解决网络中的特征损失问题;其次,设计一种自注意力金字塔模块,使用各金字塔层对特征图进行不同规模的切分处理,并使用自注意力机制计算像素关联度,从而增强局部与全局区域的感染特征显著性;最后,设计一种区别于传统U-Net的上采样模式的上采样残差(UR)模块,多分支的残差结构与通道特征激励使网络能够还原更加丰富的微小病灶特征。在两个公开数据集上的实验结果显示,与UNeXt相比,所提网络的准确度(ACC)分别提升了1.5%和1.4%,平均交并比(MIoU)分别提升了3.9%和1.9%,实验结果验证了MDF-Net具有更好的肺部病灶分割性能。
关键词
肺部疾病
密集跳层连接
自注意力金字塔
上采样
残差
信息加权融合
Keywords
lung disease
dense skip connection
self-attention pyramid
Up-sampling Residual(UR)
Information Weighed Fusion(IWF)
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
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
一种基于U型全卷积神经网络的深度估计模型
3
作者
王小康
付小宁
机构
西安电子科技大学机电工程学院
出处
《计算机科学与应用》
2019年第2期250-255,共6页
文摘
本文解决了从单张图像估计深度信息的问题。单张图像与深度图之间的映射是是模棱两可的,它需要全局信息和局部信息。本文部署了一个全卷积U型神经网络,它用预训练的ResNet-50网络提取图像特征,然后用残差上采样模块将特征图恢复到深度图的尺寸大小,并且使用了跳跃链接,整个网络呈现U型,从而对全局信息和局部信息进行融合。整个网络可以进行端到端的训练。
关键词
单目深度估计
全卷积神经网络
残差上采样
跳跃链接
分类号
TP39 [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
融合残差上采样结构的P^(2)Net无监督单目深度估计
刘安旭
黎向锋
刘晋川
赵康
李高扬
左敦稳
《计算机系统应用》
2022
0
下载PDF
职称材料
2
用于肺部病灶图像分割的多尺度稠密融合网络
卢小燕
徐杨
袁文昊
《计算机应用》
CSCD
北大核心
2023
0
下载PDF
职称材料
3
一种基于U型全卷积神经网络的深度估计模型
王小康
付小宁
《计算机科学与应用》
2019
0
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