基于残差细化和边界感知的显著性检测

针对目前显著性检测算法精度不高、目标边缘模糊等问题,本文提出一种基于残差细化和边界感知的显著性检测算法。其中残差细化充分利用高层语义特征和低层细节特征得到信息较为完整的显著图,而边界感知能关注到更多的边缘细节信息,解决目标边缘模糊的问题。实验表明,通过定性和定量比较,本文算法的精确度和准确度都得到了提高,且有效解决了目标边界模糊的问题。

基于U型残差编解码网络的带钢缺陷检测算法

工业生产中带钢表面缺陷具有缺陷类型多变、背景杂乱和对比度低等特点,现有的缺陷检测方法无法检测出完整的缺陷对象。针对上述问题,提出一种基于U型残差编解码网络的带钢缺陷检测算法。在编码阶段,算法利用全卷积神经网络提取丰富的多尺度缺陷特征,并结合注意力机制加速模型收敛。在解码阶段,使用所提出的U型残差解码网络恢复编码阶段编码的显著性信息。此外,设计了一个残差细化网络,用以进一步优化粗糙的显著图。实验结果表明,所提出的算法具有较强的鲁棒性。

基于空间感知与细化残差的视频运动目标分割

针对视频运动目标分割中目标快速移动、障碍物遮挡、相似干扰时存在剧烈位移或目标消失等问题,提出一种基于空间感知与细化残差的视频运动目标分割方法.首先,将标签图像输入小型神经网络获取视觉信息;其次,通过空间感知器对当前帧获得预测的目标热图,以获取空间位置信息;最后,利用空间信息和视觉信息,融合细化残差模块细致轮廓边缘,完成目标分割任务.引入空间感知器,可以减少空间位置的误差,提升了空间调制器网络的准确性;利用多级细化残差模块改善特征图的边缘细节,可以提高目标分割的准确度.在DAVIS 2016和DAVIS 2017数据集上的实验结果表明,该方法可以获得良好的分割结果.

改进的DeepLabv3+同图复制篡改检测算法

为解决现有的篡改检测算法难以提取图像篡改边缘特征、篡改区域定位精度较低问题,提出一种改进的DeepLabv3+同图复制篡改检测算法。该算法在DeepLabv3+网络中引入双重注意力机制模块,用于捕捉上下文信息,以提高模型对篡改区域的适应性;采用残差细化模块对预测掩膜进一步优化,以增强模型对篡改边界的敏感性;使用一种新的混合损失函数用于模型训练,以利于模型在像素级和图像级中学习篡改图像与对应真实掩膜之间的映射关系。实验结果表明,改进的DeepLabv3+同图复制篡改检测算法,在COPYMOVE_NIST和COPYMOVE_COCO数据集上的3个评价指标均高于FCN、U-Net及DeepLabv3+算法,检测精度分别达到0.929和0.895,能够有效地提取图像篡改边缘特征,解决边缘像素漏检和误检问题。

融合PVTv2和多尺度边界聚合的结直肠息肉分割算法

考虑到结直肠息肉图像中病灶区域和周围粘液存在对比度低、边界模糊和形状不规则等复杂特性,导致现有大部分算法无法实现高精准的分割结直肠息肉。鉴于以上难点,提出一种融合PVTv2和多尺度边界聚合的结直肠息肉分割算法。首先,利用PVTv2逐层提取肠息肉图像中的病灶特征,解决传统卷积神经网络对病灶区域特征提取能力不足的问题;然后,针对网络对复杂病灶区域的空间特征信息表征能力不强的问题,在网络跳跃连接处构建多尺度上下文空间感知模块;其次,设计多尺度挤压适配融合模块聚合不同尺度的特征信息,以减少各个尺度特征的语义差异;最后,为进一步加强边缘细节特征的识别能力,创造性构造残差轴向双边界细化模块。该算法在Kvasir-SEG和CVC-ClinicDB数据集上进行大量实验验证,其相似性系数分别为93.29%和94.52%,平均交并比分别为88.36%和89.88%。实验结果表明,对于复杂的病灶区域以及病灶边界模糊的情况,所提算法在分割精度上均有较大的提升。

实时自适应的立体匹配网络算法

立体匹配是一个经典的计算机视觉问题。采用传统方法或卷积神经网络(CNN)方法的立体匹配,其精确度和实时性不能满足实际的在线应用。针对该问题,本文提出一种实时自适应的立体匹配网络算法,通过引入一种新的轻量级的、有效的结构模块自适应立体匹配网络(Modularly Adaptive Stereo Network,MASNet),在网络中嵌入无监督损失模块和残差细化模块,使立体匹配的准确性和实时性得到提高。实验结果表明,本文方法相比具有相似复杂度的模型,精确度更高,并且能以平均约25帧每秒的处理速度达到在线使用的要求。

融合上下文特征和空洞空间金字塔池化的语义分割

针对语义分割网络在进行语义分割的时候容易丢失边界和位置信息,造成图像分割的结果粗糙以及对像素类别的误判,提出融合上下文特征和空洞空间金字塔池化的语义分割方法。该方法首先采用空洞空间金字塔池化对特征图进行处理,然后在上采样的时候融合浅层特征的输出结果,最后将输出特征的通道数压缩为分类的个数,对图像进行像素级别的预测。使用语义分割常用的评估指标平均交并比和平均像素精度,与其它模型进行对比,结果显示该方法在分割效果上有一定的提升。