基于增强型选择性内核网络的幻灯片切换检测

主要针对多种类型的演讲视频进行幻灯片切换检测,其主要研究工作包括:提出了一种基于选择性内核模块和全局上下文模块的增强型选择性内核网络,用于进一步提高演讲视频幻灯片切换检测的准确性。选择性内核模块通过分裂、融合、选择三个部分,调整卷积核权重,提取幻灯片语义信息。全局上下文模块则采用压缩扩充模块和非局部模块,调整通道权重、突出有效信息,又捕获长距离依赖、提取幻灯片的全局信息,增强选择性内核网络看清全局的能力。实验结果表明,增强型选择性内核网络用于检测幻灯片切换,其准确性进一步提升,并较好地解决幻灯片之间发生微小变化时的漏检问题。

边缘优化和注意力融合的遥感地物分割算法

针对遥感地物图像种类众多且目标边缘较复杂的特点,以及现有分割网络中局部卷积的感受野有限,对图像上下文信息利用不足,导致分割目标边缘模糊以及分割精度低等问题,提出一种基于UNet3+网络的遥感地物分割算法。在解码过程中引入相似性感知点关联算子作为上采样方式,通过聚合特征金字塔中的多个建议,改善目标边界细节的分割能力;在编码过程中引入选择性内核模块,优化下采样方式,以实现神经元的自适应感受野大小,充分地获取目标特征的多尺度信息,精准捕捉有用的细节语义信息;在跳跃连接阶段添加双多尺度注意力模块,对不同尺度的特征进行加权融合,使模型更好地关注局部细节和全局上下文信息。在WHDLD、ISPRS Potsdam数据集上的实验表明,改进算法的平均交并比分别达到了64.4%、75.4%,较基线模型分别提升了约2.6个百分点、3.2个百分点,同时验证了改进算法在分割边缘模糊问题上的有效性。