检索结果-内蒙古大学图书馆

武汉大学学报(工学版) 2025年第3期58卷 470-481页

作者：吕佳董保森曾梦瑶重庆师范大学计算机与信息科学学院重庆401331 重庆师范大学重庆市数字农业服务工程技术研究中心重庆401331

针对基于度量学习的小样本学习分类模型存在对样本关键特征提取能力不足以及原型在度量空间中特征姿态完整性缺失的问题,提出了一个基于可变形自注意力的自适应原型算子互学习模型。利用可变形卷积自适应地将自注意力中查询向量和键值... 详细信息

针对基于度量学习的小样本学习分类模型存在对样本关键特征提取能力不足以及原型在度量空间中特征姿态完整性缺失的问题,提出了一个基于可变形自注意力的自适应原型算子互学习模型。利用可变形卷积自适应地将自注意力中查询向量和键值向量的感受野引导至重点区域,为自注意力提供更准确的上下文语义信息,进而动态捕获样本的关键特征;在考虑原型全局信息的基础上构建多个局部原型算子以获取局部信息,利用互学习的思想融合原型特征的全局信息和局部信息,补全原型在度量空间中的特征姿态;联合全局损失函数和局部损失函数对模型参数进行反向更新。文中使用ResNet10和ResNet12分别在2个小样本公用数据集上进行实验:在miniImageNet数据集上,所提出模型的分类准确率相较基准提升了2.31%~2.58%;在CUB数据集上,所提出模型的分类准确率相较基准提升了1.38%~2.96%。实验表明,该模型在不同粒度的数据集上,针对不同的骨干网络均有不同程度的性能提升。

关键词：小样本学习度量学习元学习可变形自注意力互学习

来源：评论

学校读者我要写书评

暂无评论

基于拆分大卷积核的Voxel RCNN-SLCK三维目标检测算法

引用

激光与光电子学进展 2025年第8期 196-202页

作者：赵冠伍邢关生青岛科技大学自动化与电子工程学院

针对目前3D点云目标检测算法中存在对行人等小目标和被遮挡目标的检测精度较低，容易出现漏检、错检等问题，提出一种基于拆分大卷积核的Voxel RCNN-SLCK 3D目标检测模型。首先，设计了一种基于拆分大卷积核的SLCK3D特征提取模块，并将... 详细信息

针对目前3D点云目标检测算法中存在对行人等小目标和被遮挡目标的检测精度较低，容易出现漏检、错检等问题，提出一种基于拆分大卷积核的Voxel RCNN-SLCK 3D目标检测模型。首先，设计了一种基于拆分大卷积核的SLCK3D特征提取模块，并将其嵌入到重新搭建的3D主干网络中，不仅能发挥出与直接使用大卷积核相当的特征提取能力，还能减少训练量；然后，在3D主干网络中添加多头自注意力模块，用以增强特征的上下文联系，提高对小目标和被遮挡目标的检测性能；最后，在2D主干网络中引入可变形自注意力（DSA）模块，进一步提高对小目标和被遮挡目标的适应性，增强网络的特征提取能力。在KITTI数据集上，所提算法在汽车、行人、非机动车等3种类型上对被遮挡目标的检测精度相比于原算法分别提升了0.82百分点、1.27百分点、0.62百分点。实验结果表明，相较于传统模型，所提模型的检测效果有明显提升。

关键词： 3D目标检测 Voxel R-CNN 大卷积核多头自注意力可变形自注意力

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv5su模型检测桃树缩叶病

引用

农业工程学报 2024年第14期40卷 109-117页

作者：姚凌云周俊峰李丽西南大学工程技术学院重庆400715 重庆市丘陵山区农业装备重点实验室重庆400715

为实现自然环境下桃树缩叶病的检测,该研究提出了一种基于YOLOv5su的桃树缩叶病识别改进模型DLLYOLOv5su。首先,针对桃树缩叶病目标特征变化较大的问题,在骨干网络最后一层C3模块中加入可变形自注意力模块(deformable attention,DA),使... 详细信息

为实现自然环境下桃树缩叶病的检测,该研究提出了一种基于YOLOv5su的桃树缩叶病识别改进模型DLLYOLOv5su。首先,针对桃树缩叶病目标特征变化较大的问题,在骨干网络最后一层C3模块中加入可变形自注意力模块(deformable attention,DA),使模型更加关注目标区域,降低背景对模型的影响,提高模型在复杂背景下的拟合能力。其次在SPPF(fast spatial pyramid pooling)模块中引入LSKA(large separable kernel attention)结构,大核卷积增大了模型的感受野,使模型能够关注更多信息。最后,提出了LAWD(lightweight adaptive weighted downsampling)模块,使用轻量化的下采样结构替换卷积模块,减少计算开销。在桃树缩叶病数据集上进行试验,结果显示,DLL-YOLOv5su模型权重大小为17.6 MB,检测速度为83帧/s。识别准确率P、召回率R和平均精度均值mAP_(50)分别达到了80.7%、73.1%和80.4%,相较于原始YOLOv5su分别提高了4.2、2.4和4.3个百分点。与YOLOv3-tiny、Faster R-CNN、YOLOv7和YOLOv8相比mAP_(50)分别高出了28.5、11.8、2.1和4.1个百分点。改进模型识别精度高,误检、漏检率低,检测速度满足实时检测的要求,可以为桃树缩叶病的实时监测和预警提供参考。

关键词：图像处理病害缩叶病目标检测 YOLOv5su 可变形自注意力大核卷积轻量化

来源：评论

学校读者我要写书评

暂无评论

基于空间可变形Transformer的三维点云配准方法

引用

计算机工程 2024年第3期50卷 224-232页

作者：谢帅康熊风光朱新杰宋宁栋李文清王廷凤中北大学计算机科学与技术学院山西太原030051 中北大学山西省视觉信息处理及智能机器人工程研究中心山西太原030051 中北大学机器视觉与虚拟现实山西省重点实验室山西太原030051

针对低重叠场景下点云配准方法鲁棒性差、配准精度低的问题,提出一种基于空间可变形Transformer(SDT)的三维点云配准方法。设计多级分辨率特征的提取与融合方法,显式计算点云的局部空间关系。利用SDT模块增强点云空间特征的表达能力,聚... 详细信息

针对低重叠场景下点云配准方法鲁棒性差、配准精度低的问题,提出一种基于空间可变形Transformer(SDT)的三维点云配准方法。设计多级分辨率特征的提取与融合方法,显式计算点云的局部空间关系。利用SDT模块增强点云空间特征的表达能力,聚合局部与全局的特征得到特征矩阵。计算两个特征矩阵的相似度矩阵并额外地为其添加边缘松弛块,有效降低了不可行匹配对配准鲁棒性的影响,同时对相似度矩阵进行归一化等计算得到软对应置信度矩阵,根据预测的对应点空间特征是否一致来寻找点云在低重叠场景下更精确的对应关系,使用直接定义在对应关系上的损失来训练网络,将软对应关系转换为一对一的硬匹配关系,最终通过随机抽样一致性刚性变换求解器执行配准。实验结果表明,在重叠率低于30%的3DLoMatch场景中,该方法的特征匹配召回率和配准召回率相比于高度关注重叠区域的成对点云配准等方法至少提高了3.7和3.9个百分点,并且具有较强的鲁棒性。

关键词：低重叠率多特征融合可变形自注意力边缘松弛块重叠对应预测

来源：评论

学校读者我要写书评

暂无评论

基于多层次特征提取网络的医学视网膜图像分割技术

基于多层次特征提取网络的医学视网膜图像分割技术

引用

作者：李子静北方工业大学

学位级别：硕士

医学显微图像是通过显微镜获取的生物微观结构的图像,是信息化医学诊断的重要辅助手段。糖尿病易诱发视网膜病变,严重影响视力甚至失明,分析小鼠视网膜显微图像是衡量其药物疗效的重要途径,而分析的基础是对图像中不同层和细胞进行分割... 详细信息

医学显微图像是通过显微镜获取的生物微观结构的图像,是信息化医学诊断的重要辅助手段。糖尿病易诱发视网膜病变,严重影响视力甚至失明,分析小鼠视网膜显微图像是衡量其药物疗效的重要途径,而分析的基础是对图像中不同层和细胞进行分割。目前已有的传统图像处理和深度学习分割方法,都无法较好的解决组织层纹理复杂、边缘模糊不清,细胞黏连、局部分割精度低,形态特征多、分割易断裂的问题。因此,针对以上难点,本文提出了一种基于多层次特征提取网络的医学视网膜图像分割技术。该技术以UNet为基网络,主要研究内容如下: 第一,针对小鼠视网膜中各类组织层纹理复杂导致层间边缘模糊不清的问题,本文构建了基于非对称膨胀残差的边缘特征捕捉模块。首先,提出了不同扩张率的非对称膨胀卷积块,通过设计锯齿状结构和跳跃连接引入残差块,以适应带状轮廓并获得更大的感受野;其次,兼顾通道与空间注意力,设计多层次级联结构以融合残差块,确保捕捉信息更有效地传递。最后,将二者整合并添加在下采样后,以充分明确边界定位。该模块增强了模型泛化性,使网络能够更好地分割组织边缘细节信息。第二,针对小鼠视网膜形态特征多变导致分割断裂的问题,本文构建了基于混合模型的全局特征建模模块。首先,利用Transformer中自注意力的全局关联机制,实现了远距离像素间的依赖关系建模。其次,结合CNN的局部相关性,提出了串联、并联两种混合模型,通过设计特征交互模块,在全局相关性建模的基础上,确保局部信息有效提取。最后,依次使用两种混合模型替换UNet中深层特征融合方式,实现了全新的特征融合策略。该模块有效解决了各组织层分割断裂或不连续的现象。第三,针对小鼠视网膜中大量神经节细胞黏连导致局部分割精度低的问题,本文提出了基于局部可变形自注意力的区域特征聚焦模块。首先,利用可变形自注意力的自适应性机制,动态权衡形状和位置,优化网络对不同形状的细胞区域的感知力。其次,通过切分窗口限制注意力计算范围,提出了基于局部的可变形自注意力,进一步强化局部特征的聚焦能力。最后,为了降低模型计算量,将该模块应用于UNet浅层跳跃连接后处理较大尺寸特征图。该模块有效改善了黏连细胞分割效果不佳的问题。本文通过提出上述关键模块,基于首都科技创新券支持下构建的小鼠视网膜显微图像数据库,完成了多层次特征提取网络的训练与优化。最后,通过消融实验和对比实验,对模型性能进行定性和定量地评估,全面验证了本文所提关键模块和模型的有效性。

关键词：小鼠视网膜图像分割 UNet 多层次特征提取可变形自注意力 Transformer

来源：评论

学校读者我要写书评

暂无评论

改进DETR的无人机航拍图像沥青路面破损检测算法

引用

郑州航空工业管理学院学报 2024年第5期42卷 50-57页

作者：李思宏姬书得任赵旭沈阳航空航天大学航空宇航学院辽宁沈阳110136

针对航拍沥青路面图像数据不足、检测精度低、存在漏检的问题,研究提出一种改进的DETR(Detection Transformer)端到端沥青路面破损检测模型。该模型采用ResNet50提取特征,引入SiLU激活函数提高特征提取能力,并采用多尺度融合特征图保留... 详细信息

针对航拍沥青路面图像数据不足、检测精度低、存在漏检的问题,研究提出一种改进的DETR(Detection Transformer)端到端沥青路面破损检测模型。该模型采用ResNet50提取特征,引入SiLU激活函数提高特征提取能力,并采用多尺度融合特征图保留更多上下文语义信息;在Transformer的Encoder中使用多尺度可变形自注意力机制,加快模型收敛速度;采用CIoU损失函数提高了裂缝检测的准确性。实验结果表明:改进模型的平均精度达83.7%,比DETR模型在精确率上提高7.4%,召回率上提升了10.9%。提出的改进模型可对沥青路面破损进行有效检测,可为航拍图像的沥青路面破损检测提供参考。

关键词：破损检测可变形自注意力多尺度融合 CIoU 目标检测

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：