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
6
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
基于超像素与U-Net相结合的作物叶部病害检测方法
1
作者
孟令媛
何福林
苑申奥
《电脑编程技巧与维护》
2024年第4期137-139,共3页
作物病害严重影响作物的产量和质量。作物病害的准确识别和及时防治是保证作物产量的重要措施。在超像素和U-Net相结合的基础上,提出一种作物叶部病害检测方法。通过将作物叶部病害检测方法运用于作物叶部病害图像数据集上进行检测实验...
作物病害严重影响作物的产量和质量。作物病害的准确识别和及时防治是保证作物产量的重要措施。在超像素和U-Net相结合的基础上,提出一种作物叶部病害检测方法。通过将作物叶部病害检测方法运用于作物叶部病害图像数据集上进行检测实验,实验结果表明,研究所提出的检测方法具有可行性且实验效果显著。
展开更多
关键词
作物病害检测
超像素
u-net结构
作物叶部病害检测
下载PDF
职称材料
多尺度特征融合注意力新冠肺炎病灶分割网络
2
作者
林洁沁
黄新
《激光杂志》
CAS
北大核心
2024年第3期168-174,共7页
新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Atte...
新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Attention Network),以图像分割效果较为出色的U-Net网络为基础,通过全局池化层和设置空洞卷积的采样率,增大网络感受野,捕获多尺度信息,实现对大目标的有效分割;使用通道注意力与空间注意力,在空间维度上建模,有效提取图像深层特征。测试结果表明,改进后的算法与U-Net网络相比,分割的平均交并比提升了1.46%,类别平均像素准确率提升了0.8%,准确率提升了1.17%。
展开更多
关键词
图像处理
特征提取
卷积块注意力模块
空洞空间卷积池化金字塔
u-net结构
多尺度特征融合
下载PDF
职称材料
基于多尺度优化和动态特征融合的图像去模糊研究
3
作者
万园园
宋卓达
+1 位作者
陈小林
朱鑫鑫
《红外》
CAS
2023年第4期33-41,共9页
目前采用U-Net结构的去模糊算法存在细节损失、图像质量欠佳等问题,因此对U-Net进行改进,提出一种基于多尺度优化和动态特征融合的图像去模糊方法。首先针对细节损失,提出一种精简且有效的多尺度残差注意力模块(Multi-Scale Residual Mo...
目前采用U-Net结构的去模糊算法存在细节损失、图像质量欠佳等问题,因此对U-Net进行改进,提出一种基于多尺度优化和动态特征融合的图像去模糊方法。首先针对细节损失,提出一种精简且有效的多尺度残差注意力模块(Multi-Scale Residual Module,MSRM),通过增加特征尺度多样性来提取更精细的图像特征。此外,为了将更有利的特征传递到解码部分,在跳跃连接处设计动态特征融合模块(Dynamic Feature Fusion Module,DFFM),采用注意力加权的方式选择性融合不同阶段的编码特征。该算法采用多尺度内容损失和多尺度高频信息损失进行约束训练。在GoPro和RealBlur数据集上的实验结果表明,这种方法能有效改善图像质量,复原更丰富的细节信息。与现有去模糊算法相比,本文算法在主观视觉和客观评价等方面均具有一定优势。
展开更多
关键词
图像去模糊
特征加权
多尺度特征
u-net结构
下载PDF
职称材料
融合多尺度语义和剩余瓶颈注意力的医学图像分割
4
作者
徐蓬泉
梁宇翔
李英
《计算机工程》
CAS
CSCD
北大核心
2023年第10期162-170,共9页
在实际应用中U-Net由于使用单一卷积核以及跳跃连接运算时编解码器间存在语义差距,导致分割不同类型的医学图像时泛化性能降低。鉴于此,基于U-Net结构构建一种轻量灵活的医学图像分割模型(LFUNet)。在编码器和解码器上,构建多尺度语义(...
在实际应用中U-Net由于使用单一卷积核以及跳跃连接运算时编解码器间存在语义差距,导致分割不同类型的医学图像时泛化性能降低。鉴于此,基于U-Net结构构建一种轻量灵活的医学图像分割模型(LFUNet)。在编码器和解码器上,构建多尺度语义(MS)模块,每个MS模块使用不同的小卷积核序列等价代替较大的卷积核进行卷积运算,获得不同的感受野,从而捕获不同层次的语义特征。建立集成剩余瓶颈结构和注意力机制的剩余瓶颈注意力(RBA)模块,跳跃连接嵌入RBA模块后能缩小编码器和解码器的语义差距,且使模型更关注目标区域。MS模块的小卷积核序列和RBA模块的逆残差结构具有较少的参数量,从而使LFUNet的总参数量仅为U-Net的1/3,大幅降低了模型复杂度并提高了网络运行效率。在4个公共生物医学图像数据集上的对比实验结果表明,LFUNet的Jaccard系数均值相比于U-Net分别提高了3.184 6、11.936 6、4.243 8、0.114 4个百分点,具有更高的分割精度及泛化性能。
展开更多
关键词
深度学习
语义分割
u-net结构
剩余瓶颈
结构
注意力机制
下载PDF
职称材料
基于DC-Unet的混凝土桥梁表观裂缝识别方法
5
作者
马亚飞
孙文康
+1 位作者
何羽
王磊
《长安大学学报(自然科学版)》
CAS
CSCD
北大核心
2024年第3期66-75,共10页
为解决服役混凝土桥梁表观损伤检测存在误检率高、受背景噪声影响大等问题,提出一种基于DC-Unet的表观裂缝识别方法。首先,使用密集残差连接模块(DRCM)替换U-net模型中每次下采样和上采样前以及最后1×1卷积前的卷积操作,增加了模...
为解决服役混凝土桥梁表观损伤检测存在误检率高、受背景噪声影响大等问题,提出一种基于DC-Unet的表观裂缝识别方法。首先,使用密集残差连接模块(DRCM)替换U-net模型中每次下采样和上采样前以及最后1×1卷积前的卷积操作,增加了模型深度;其次,在模型第1次上采样前的位置融入空洞空间池化金字塔模块,扩大了模型感受野,提升了模型获取多层次表观裂缝特征的能力;最后,将结合了空间和通道的注意力模块以残差连接的方式融入DRCM结构中,提高了模型对表观裂缝特征区域的关注,使用Labelme软件标注50张3 648像素×2 736像素分辨率的表观裂缝图像,基于窗口滑动算法构建了包含1 347张混凝土表观裂缝图像及标签图像的TimCracks数据集,将提出的表观裂缝识别方法与U-net模型、SegNet模型、U-net++模型、传统OTSU阈值分割算法和基于Canny算子的边缘检测算法进行了比较。结果表明:提出的方法能准确分割识别混凝土桥梁表观裂缝,具有精度高和抗噪性好等优势,在表观裂缝图像背景存在涂层干扰及不光滑褶皱状况下均可有效降低误检率,裂缝识别准确率、交并比和F_(1)-score分别达96.28%、73.80%和84.91%,3个评价指标较U-net模型、SegNet模型、U-net++模型均有提升,与传统裂缝分割算法相比,提出的DC-Unet网络解决了传统方法的误检问题,能将裂缝从涂层背景中有效分割。
展开更多
关键词
桥梁工程
混凝土裂缝
u-net结构
密集残差连接
空洞空间池化金字塔
损伤检测
原文传递
基于特征选择与残差融合的肝肿瘤分割模型
被引量:
2
6
作者
乔伟晨
黄冕
+1 位作者
刘利军
黄青松
《中国图象图形学报》
CSCD
北大核心
2022年第3期838-849,共12页
目的高效的肝肿瘤计算机断层扫描(computed tomography,CT)图像自动分割方法是临床实践的迫切需求,但由于肝肿瘤边界不清晰、体积相对较小且位置无规律,要求分割模型能够细致准确地发掘类间差异。对此,本文提出一种基于特征选择与残差...
目的高效的肝肿瘤计算机断层扫描(computed tomography,CT)图像自动分割方法是临床实践的迫切需求,但由于肝肿瘤边界不清晰、体积相对较小且位置无规律,要求分割模型能够细致准确地发掘类间差异。对此,本文提出一种基于特征选择与残差融合的2D肝肿瘤分割模型,提高了2D模型在肝肿瘤分割任务中的表现。方法该模型通过注意力机制对U-Net瓶颈特征及跳跃链接进行优化,为符合肝肿瘤分割任务特点优化传统注意力模块进,提出以全局特征压缩操作(global feature squeeze,GFS)为基础的瓶颈特征选择模块,即全局特征选择模块(feature selection module,FS)和邻近特征选择模块(neighbor feature selection module,NFS)。跳跃链接先通过空间注意力模块(spatial attention module,SAM)进行特征重标定,再通过空间特征残差融合(spatial feature residual fusion module,SFRF)模块解决前后空间特征的语义不匹配问题,在保持低复杂度的同时使特征高效表达。结果在LiTS(liver tumor segmentation)公开数据集上进行组件消融测试并与当前方法进行对比测试,在肝脏及肝肿瘤分割任务中的平均Dice得分分别为96.2%和68.4%,与部分2.5D和3D模型的效果相当,比当前最佳的2D肝肿瘤分割模型平均Dice得分高0.8%。结论提出的FSF-U-Net(feature selection and residual fusion U-Net)模型通过改进的注意力机制与优化U-Net模型结构的方法,使2D肝肿瘤分割的结果更加准确。
展开更多
关键词
肝肿瘤自动分割
注意力机制
u-net结构
特征选择
残差融合
原文传递
题名
基于超像素与U-Net相结合的作物叶部病害检测方法
1
作者
孟令媛
何福林
苑申奥
机构
郑州西亚斯学院
西京学院
出处
《电脑编程技巧与维护》
2024年第4期137-139,共3页
基金
郑州西亚斯学院2023年度校级教改项目(课题编号:2023JGYB08)
郑州西亚斯学院2022年度应用型本科高校建设专项教改基金资助项目(课题编号:2022YYXZX01)
河南省高等学校重点科研(22B520049)。
文摘
作物病害严重影响作物的产量和质量。作物病害的准确识别和及时防治是保证作物产量的重要措施。在超像素和U-Net相结合的基础上,提出一种作物叶部病害检测方法。通过将作物叶部病害检测方法运用于作物叶部病害图像数据集上进行检测实验,实验结果表明,研究所提出的检测方法具有可行性且实验效果显著。
关键词
作物病害检测
超像素
u-net结构
作物叶部病害检测
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
S432 [农业科学—植物病理学]
下载PDF
职称材料
题名
多尺度特征融合注意力新冠肺炎病灶分割网络
2
作者
林洁沁
黄新
机构
桂林电子科技大学电子工程与自动化学院
广西自动检测技术与仪器重点实验室
出处
《激光杂志》
CAS
北大核心
2024年第3期168-174,共7页
基金
国家自然科学基金项目(No.81873913)。
文摘
新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSANet(Multi-scale Attention Network),以图像分割效果较为出色的U-Net网络为基础,通过全局池化层和设置空洞卷积的采样率,增大网络感受野,捕获多尺度信息,实现对大目标的有效分割;使用通道注意力与空间注意力,在空间维度上建模,有效提取图像深层特征。测试结果表明,改进后的算法与U-Net网络相比,分割的平均交并比提升了1.46%,类别平均像素准确率提升了0.8%,准确率提升了1.17%。
关键词
图像处理
特征提取
卷积块注意力模块
空洞空间卷积池化金字塔
u-net结构
多尺度特征融合
Keywords
image processing
feature extraction
convolutional block attention module
atrous spatial pyramid pooling
u-net
structure
multi-scale feature fusion
分类号
TN209 [电子电信—物理电子学]
下载PDF
职称材料
题名
基于多尺度优化和动态特征融合的图像去模糊研究
3
作者
万园园
宋卓达
陈小林
朱鑫鑫
机构
中国科学院长春光学精密机械与物理研究所
中国人民解放军
出处
《红外》
CAS
2023年第4期33-41,共9页
文摘
目前采用U-Net结构的去模糊算法存在细节损失、图像质量欠佳等问题,因此对U-Net进行改进,提出一种基于多尺度优化和动态特征融合的图像去模糊方法。首先针对细节损失,提出一种精简且有效的多尺度残差注意力模块(Multi-Scale Residual Module,MSRM),通过增加特征尺度多样性来提取更精细的图像特征。此外,为了将更有利的特征传递到解码部分,在跳跃连接处设计动态特征融合模块(Dynamic Feature Fusion Module,DFFM),采用注意力加权的方式选择性融合不同阶段的编码特征。该算法采用多尺度内容损失和多尺度高频信息损失进行约束训练。在GoPro和RealBlur数据集上的实验结果表明,这种方法能有效改善图像质量,复原更丰富的细节信息。与现有去模糊算法相比,本文算法在主观视觉和客观评价等方面均具有一定优势。
关键词
图像去模糊
特征加权
多尺度特征
u-net结构
Keywords
image deblurring
feature weighting
multi-scale feature
u-net
structure
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
融合多尺度语义和剩余瓶颈注意力的医学图像分割
4
作者
徐蓬泉
梁宇翔
李英
机构
青岛大学计算机科学技术学院
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第10期162-170,共9页
基金
国家自然科学基金(61802216)
中国博士后科学基金(2018M642613)
山东省自然科学基金(ZR2017PF013)。
文摘
在实际应用中U-Net由于使用单一卷积核以及跳跃连接运算时编解码器间存在语义差距,导致分割不同类型的医学图像时泛化性能降低。鉴于此,基于U-Net结构构建一种轻量灵活的医学图像分割模型(LFUNet)。在编码器和解码器上,构建多尺度语义(MS)模块,每个MS模块使用不同的小卷积核序列等价代替较大的卷积核进行卷积运算,获得不同的感受野,从而捕获不同层次的语义特征。建立集成剩余瓶颈结构和注意力机制的剩余瓶颈注意力(RBA)模块,跳跃连接嵌入RBA模块后能缩小编码器和解码器的语义差距,且使模型更关注目标区域。MS模块的小卷积核序列和RBA模块的逆残差结构具有较少的参数量,从而使LFUNet的总参数量仅为U-Net的1/3,大幅降低了模型复杂度并提高了网络运行效率。在4个公共生物医学图像数据集上的对比实验结果表明,LFUNet的Jaccard系数均值相比于U-Net分别提高了3.184 6、11.936 6、4.243 8、0.114 4个百分点,具有更高的分割精度及泛化性能。
关键词
深度学习
语义分割
u-net结构
剩余瓶颈
结构
注意力机制
Keywords
deep learning
semantic segmentation
u-net
structure
residual bottleneck structure
attention mechanism
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
基于DC-Unet的混凝土桥梁表观裂缝识别方法
5
作者
马亚飞
孙文康
何羽
王磊
机构
长沙理工大学土木工程学院
出处
《长安大学学报(自然科学版)》
CAS
CSCD
北大核心
2024年第3期66-75,共10页
基金
国家重点研发计划项目(2021YFB2600900)
湖南省自然科学基金创新研究群体项目(2020JJ10060)。
文摘
为解决服役混凝土桥梁表观损伤检测存在误检率高、受背景噪声影响大等问题,提出一种基于DC-Unet的表观裂缝识别方法。首先,使用密集残差连接模块(DRCM)替换U-net模型中每次下采样和上采样前以及最后1×1卷积前的卷积操作,增加了模型深度;其次,在模型第1次上采样前的位置融入空洞空间池化金字塔模块,扩大了模型感受野,提升了模型获取多层次表观裂缝特征的能力;最后,将结合了空间和通道的注意力模块以残差连接的方式融入DRCM结构中,提高了模型对表观裂缝特征区域的关注,使用Labelme软件标注50张3 648像素×2 736像素分辨率的表观裂缝图像,基于窗口滑动算法构建了包含1 347张混凝土表观裂缝图像及标签图像的TimCracks数据集,将提出的表观裂缝识别方法与U-net模型、SegNet模型、U-net++模型、传统OTSU阈值分割算法和基于Canny算子的边缘检测算法进行了比较。结果表明:提出的方法能准确分割识别混凝土桥梁表观裂缝,具有精度高和抗噪性好等优势,在表观裂缝图像背景存在涂层干扰及不光滑褶皱状况下均可有效降低误检率,裂缝识别准确率、交并比和F_(1)-score分别达96.28%、73.80%和84.91%,3个评价指标较U-net模型、SegNet模型、U-net++模型均有提升,与传统裂缝分割算法相比,提出的DC-Unet网络解决了传统方法的误检问题,能将裂缝从涂层背景中有效分割。
关键词
桥梁工程
混凝土裂缝
u-net结构
密集残差连接
空洞空间池化金字塔
损伤检测
Keywords
bridge engineering
concrete crack
u-net
structure
dense residual connection
atrous spatial pyramid pooling
damage detection
分类号
U445.7 [建筑科学—桥梁与隧道工程]
原文传递
题名
基于特征选择与残差融合的肝肿瘤分割模型
被引量:
2
6
作者
乔伟晨
黄冕
刘利军
黄青松
机构
昆明理工大学信息工程与自动化学院
云南国土资源职业学院信息中心
云南大学信息学院
云南省计算机技术应用重点实验室
出处
《中国图象图形学报》
CSCD
北大核心
2022年第3期838-849,共12页
基金
国家自然科学基金项目(81860318,81560296)
云南省计算机技术应用重点实验室开放基金项目(2020106)。
文摘
目的高效的肝肿瘤计算机断层扫描(computed tomography,CT)图像自动分割方法是临床实践的迫切需求,但由于肝肿瘤边界不清晰、体积相对较小且位置无规律,要求分割模型能够细致准确地发掘类间差异。对此,本文提出一种基于特征选择与残差融合的2D肝肿瘤分割模型,提高了2D模型在肝肿瘤分割任务中的表现。方法该模型通过注意力机制对U-Net瓶颈特征及跳跃链接进行优化,为符合肝肿瘤分割任务特点优化传统注意力模块进,提出以全局特征压缩操作(global feature squeeze,GFS)为基础的瓶颈特征选择模块,即全局特征选择模块(feature selection module,FS)和邻近特征选择模块(neighbor feature selection module,NFS)。跳跃链接先通过空间注意力模块(spatial attention module,SAM)进行特征重标定,再通过空间特征残差融合(spatial feature residual fusion module,SFRF)模块解决前后空间特征的语义不匹配问题,在保持低复杂度的同时使特征高效表达。结果在LiTS(liver tumor segmentation)公开数据集上进行组件消融测试并与当前方法进行对比测试,在肝脏及肝肿瘤分割任务中的平均Dice得分分别为96.2%和68.4%,与部分2.5D和3D模型的效果相当,比当前最佳的2D肝肿瘤分割模型平均Dice得分高0.8%。结论提出的FSF-U-Net(feature selection and residual fusion U-Net)模型通过改进的注意力机制与优化U-Net模型结构的方法,使2D肝肿瘤分割的结果更加准确。
关键词
肝肿瘤自动分割
注意力机制
u-net结构
特征选择
残差融合
Keywords
automatic liver tumor segmentation
attention mechanism
u-net
feature selection
residual fusion
分类号
TP391 [自动化与计算机技术—计算机应用技术]
原文传递
题名
作者
出处
发文年
被引量
操作
1
基于超像素与U-Net相结合的作物叶部病害检测方法
孟令媛
何福林
苑申奥
《电脑编程技巧与维护》
2024
0
下载PDF
职称材料
2
多尺度特征融合注意力新冠肺炎病灶分割网络
林洁沁
黄新
《激光杂志》
CAS
北大核心
2024
0
下载PDF
职称材料
3
基于多尺度优化和动态特征融合的图像去模糊研究
万园园
宋卓达
陈小林
朱鑫鑫
《红外》
CAS
2023
0
下载PDF
职称材料
4
融合多尺度语义和剩余瓶颈注意力的医学图像分割
徐蓬泉
梁宇翔
李英
《计算机工程》
CAS
CSCD
北大核心
2023
0
下载PDF
职称材料
5
基于DC-Unet的混凝土桥梁表观裂缝识别方法
马亚飞
孙文康
何羽
王磊
《长安大学学报(自然科学版)》
CAS
CSCD
北大核心
2024
0
原文传递
6
基于特征选择与残差融合的肝肿瘤分割模型
乔伟晨
黄冕
刘利军
黄青松
《中国图象图形学报》
CSCD
北大核心
2022
2
原文传递
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