检索结果-内蒙古大学图书馆

公路交通科技 2022年第4期39卷 117-122,149页

作者：付阳阳陶建军王夏黎李妮妮袁绍欣长安大学信息工程学院陕西西安710064 绍兴市交通建设有限公司浙江绍兴312000

为了改善现有斑马线检测精度低、检测不全面及实时性差等多重问题,提出了一种改进的segnet语义分割模型进行斑马线检测,使其更适应于辅助驾驶系统中的预警场景,为无人驾驶车辆提供帮助。以语义分割中的原始segnet模型为基础,首先将SegNe... 详细信息

为了改善现有斑马线检测精度低、检测不全面及实时性差等多重问题,提出了一种改进的segnet语义分割模型进行斑马线检测,使其更适应于辅助驾驶系统中的预警场景,为无人驾驶车辆提供帮助。以语义分割中的原始segnet模型为基础,首先将segnet模型的特征提取网络部分进行改进,融入金字塔池化模块,进行多方面特征提取,获取上下文全局信息,达到减少斑马线细节信息丢失的目的;然后将模型对称的结构改为编码不变、解码减少的不对称结构,减少网络参数,增设细节处理,精准检测斑马线像素点位置,有效地提高了检测准确率和实时性。对获取到的斑马线图像进行亮度增强、添加噪声、图像翻转等随机转换方式来扩充采集的斑马线图像样本,使斑马线图像样本满足各种语义分割模型检测需求。在扩充后的斑马线数据集上进行试验,以精确率,召回率,F1值为检测精度评价标准,以运行时间为实时性评价标准,将改进segnet模型分别与原始segnet模型,U-Net模型,PSPNet模型进行对比。改进segnet模型检测斑马线精度达到了97.6%,与其他模型相比检测精度得到有效提高,且运行速度加快,满足当前实时性检测的需求。因此改进segnet模型检测斑马线更全面,可应用于辅助驾驶系统中。

关键词：智能交通斑马线检测 segnet模型金字塔池化语义分割

来源：评论

学校读者我要写书评

暂无评论

一种基于改进segnet模型和融合注意力机制的苗族服饰图案分割算法

引用

怀化学院学报 2023年第5期42卷 66-71页

作者：谭永前曾凡菊凯里学院贵州凯里556011

针对目前语义分割模型需要消耗大量计算资源,对苗族服饰图案分割精度不高等问题,提出一种在改进的Seg Net模型中嵌入注意力机制模块的算法模型。改进后的Seg Net模型减少了卷积层数,在一定程度上减少了内存资源的消耗;为了提高对服饰图... 详细信息

针对目前语义分割模型需要消耗大量计算资源,对苗族服饰图案分割精度不高等问题,提出一种在改进的Seg Net模型中嵌入注意力机制模块的算法模型。改进后的Seg Net模型减少了卷积层数,在一定程度上减少了内存资源的消耗;为了提高对服饰图案细小纹理的分割精度,减少细小纹理细节的丢失,使用二分类交叉熵损失函数作为损失函数,提高了服饰图案细小纹理的分割精度;改进的Seg Net模型中嵌入轻量级的注意力模块,使得模型能够关注图像中更多的细节特征,更好地将感兴趣的特征从局部水平关联到全局水平,加强对目标特征信息的提取,减少损失率,提高模型的分割性能。实验结果表明,改进后的算法模型相对于传统相关算法,对苗族服饰图案的分割精度有了一定的提高,分割结果的视觉效果和定量指标上都要优于传统相关算法。

关键词：图案分割苗族服饰注意力机制 segnet模型

来源：评论

学校读者我要写书评

暂无评论

基于改进segnet模型的图像语义分割

引用

计算机工程 2021年第4期47卷 256-261页

作者：罗嗣卿张志超岳琪东北林业大学信息与计算机工程学院哈尔滨150040

使用原始segnet模型对图像进行语义分割时,未对图像中相邻像素点间的关系进行考虑,导致同一目标中像素点类别预测结果不一致。通过在segnet结构中加入一条自上而下的通道,使得segnet包含的多尺度语义信息更加丰富,从而提升对每个像素点... 详细信息

使用原始segnet模型对图像进行语义分割时,未对图像中相邻像素点间的关系进行考虑,导致同一目标中像素点类别预测结果不一致。通过在segnet结构中加入一条自上而下的通道,使得segnet包含的多尺度语义信息更加丰富,从而提升对每个像素点的类别预测精度,在模型中加入生成对抗网络以充分考虑空间中相邻像素点间关系。实验结果表明,该模型的语义分割效果相比原始segnet模型显著提升,且可有效解决segnet测试中出现的分类错误问题。

关键词： segnet模型生成对抗网络多尺度语义信息相邻像素类别关系特征融合

来源：评论

学校读者我要写书评

暂无评论

一种融合注意力机制的苗族服饰图案分割方法

引用

毛纺科技 2022年第12期50卷 95-101页

作者：万林江黄成泉张博源王琴周丽华贵州民族大学数据科学与信息工程学院贵州贵阳550025 贵州民族大学工程技术人才实践训练中心贵州贵阳550025

针对苗族服饰因缺少像素级标注的数据库、元素多元化、纹饰图案不规则等引起的目标区域特征提取难度大的问题,提出了一种融合了注意力机制的segnet分割模型(SE-segnet)。在改进的segnet模型中融入通道注意力SE模块,关注更多的细节特征,... 详细信息

针对苗族服饰因缺少像素级标注的数据库、元素多元化、纹饰图案不规则等引起的目标区域特征提取难度大的问题,提出了一种融合了注意力机制的segnet分割模型(SE-segnet)。在改进的segnet模型中融入通道注意力SE模块,关注更多的细节特征,旨在于加强对目标特征的提取,实现苗服饰图案的自动分割。实验结果表明,该模型在苗族服饰数据集中,像素准确率为92.69%,交并比值为85.27%,相似系数为92.05%。与其他模型相比,该模型分割结果更精细,在苗族服饰图案分割的效果得到显著提升。服饰图案分割效果的提升对苗族服饰文化的保护和发展具有重要意义。

关键词：苗族服饰 segnet模型 SE-segnet SE模块图案分割

来源：评论

学校读者我要写书评

暂无评论

融合残差连接的图像语义分割方法

引用

计算机测量与控制 2024年第1期32卷 157-164页

作者：王龙宝张珞弦张帅徐亮曾昕徐淑芳河海大学计算机与信息学院南京210000 河海大学水利部水利大数据技术重点实验室南京210000 中国电建集团昆明勘测设计研究院有限公司昆明650000 长江生态环保集团有限公司武汉430061

由于传统segnet模型在采样过程中产生了大量信息损失,导致图像语义分割精度较低,为此提出了一种融合残差连接的新型编-解码器网络结构:文中引入了多残差连接策略,更为全面地保留了多尺度图像中包含的大量细节信息,降低还原降采样所带来... 详细信息

由于传统segnet模型在采样过程中产生了大量信息损失,导致图像语义分割精度较低,为此提出了一种融合残差连接的新型编-解码器网络结构:文中引入了多残差连接策略,更为全面地保留了多尺度图像中包含的大量细节信息,降低还原降采样所带来的信息损失;为进一步加速网络训练的收敛效率,改善样本的不平衡问题,设计了一种带平衡因子的交叉熵损失函数,对正负样本不平衡现象予以针对性的优化,使得模型的训练更加高效;实验表明该方法较好地解决了语义分割中信息损失以及分割不准确的问题,与segnet相比,本网络在Cityscapes数据集上进行精细标注的mIoU值提高了约13%。

关键词：语义分割残差连接交叉熵损失函数 segnet模型深度学习

来源：评论

学校读者我要写书评

暂无评论

面向地震灾害演化过程的多阶段风险评价算法研究

面向地震灾害演化过程的多阶段风险评价算法研究

引用

作者：许才顺安徽建筑大学

学位级别：硕士

地震灾害是一个复杂的灾害系统,其内部关联性严重干扰减灾应急处理过程中的有效判断。为简化地震灾害风险评价流程,全面提高风险评价精度,本文以地震灾害链为脉络,依据生命周期理论将地震灾害的演化过程划分为表达、耦合和消亡阶段,在... 详细信息

地震灾害是一个复杂的灾害系统,其内部关联性严重干扰减灾应急处理过程中的有效判断。为简化地震灾害风险评价流程,全面提高风险评价精度,本文以地震灾害链为脉络,依据生命周期理论将地震灾害的演化过程划分为表达、耦合和消亡阶段,在此基础上提出具备指向性的算法模型用于评价不同演化阶段的各类风险。其中,针对地震灾害不同演化阶段的算法模型作出如下研究:(1)在地震灾害的表达阶段,能量处于骤然爆发状态,风险以确定性单一的地震灾害形式存在,在该阶段主要构建单一地震灾害的风险评价算法模型。为解决这方面模型存在风险等级分类精度不高的问题,本文提出基于Softmax回归模型的风险评价方法。该方法通过在Softmax回归损失函数中加入权重衰减项后,运用梯度下降算法进行求解,采用最小损失函数值对应的模型参数来构建Softmax回归模型,以单一地震灾害的特征指标体系为输入,实现对2005—2017年全国地震灾害风险等级的评价和预测。结果表明,与支持向量机和传统逆向传播神经网络模型相比,该方法具有更高的风险评价能力,其测试精度达到78.57%。(2)在地震灾害的耦合阶段,能量处于四散辐射状态,风险以不确定性多样的地质灾害形式存在,在该阶段主要构建多灾害的地震风险评价算法模型。为解决这方面模型存在无法全面考虑区域和个体风险的问题,本文提出基于多灾害耦合叠加模型的风险评价方法。该方法在运用耗散结构论得出单一地震灾害演化为多灾害的背景下,首先,根据单一灾害的风险值理论模型,推导多灾害耦合叠加模型。其次,结合多灾害耦合叠加模型和风险矩阵的相关性,实现多灾害的地震风险评价方法。最后,依据该方法评价四川省甘孜藏族自治州相关县区域及其内部个体的地震风险。结果表明,新龙县和理塘县交界处地震风险较高,雅江县和道孚县地震风险处于次高范围,但区域内个体受多种地质灾害侵袭的可能性较低。(3)在地震灾害的消亡阶段,能量处于散失殆尽状态,风险由地震灾害及其次生灾害集中向社会环境转移,多以建筑物损毁的形式存在,在该阶段主要通过建筑物损毁判断潜在风险。为解决这方面模型存在参数冗余、评价精度不足的问题,本文提出基于改进Seg Net模型的风险评价方法。该模型由依赖性分组卷积和Seg Net模型组成,依赖性分组卷积融合了通道注意力机制和分组卷积。在改进Seg Net模型的编码器中减少VGG16网络层数,将普通卷积替换为依赖性分组卷积,在其解码器中采用上采样方式,减少上采样卷积层数。最后,标注海地地震后雅克梅勒地区倾斜航空影像数据集,将其应用于损毁建筑物判断的模型训练中。结果表明,与Seg Net、Unet、FCN模型相比,该方法具有更高的风险评价能力,其测试精度达到88.22%,参数量为Seg Net模型的0.2027倍。图[36]表[10]参[79]

关键词：地震灾害风险评价 Softmax回归模型多灾害耦合 segnet模型

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的少数民族服饰图案分割研究

基于注意力机制的少数民族服饰图案分割研究

引用

作者：万林江贵州民族大学

学位级别：硕士

民族服饰文化是各族人民的劳动成果、色彩喜好、风俗特点和宗教信仰等各种文化交融的体现,是中国传统文化必不可少的一部分。随着人类社会的快速发展,各种文化碰撞与交融,少数民族服饰的重要元素不断流失。因此,分割出精准的少数民族服... 详细信息

民族服饰文化是各族人民的劳动成果、色彩喜好、风俗特点和宗教信仰等各种文化交融的体现,是中国传统文化必不可少的一部分。随着人类社会的快速发展,各种文化碰撞与交融,少数民族服饰的重要元素不断流失。因此,分割出精准的少数民族服饰图案,能有效地将少数民族服饰图案进行数字化保存,在少数民族服饰文化的分析和解读方面发挥着极其重要的作用。民族服饰包罗万象,这也反映出少数民族服饰图案具有多元化的特点,其包含着独特的纹样、图腾、纹理和色彩等重要的元素特征,运用深度学习的方法,有效且准确地对少数民族服饰图案进行分割具有极大的挑战性。本文以Seg Net模型为骨干网进行图案分割研究,该模型在少数民族服饰图案数据集中的分割效果并未取得良好的结果,如何改进Seg Net模型对少数民族服饰图案数据集进行精准的分割,这对少数民族服饰文化的弘扬和发展有着极其重要的意义。本文主要研究内容如下:(1)针对少数民族服饰元素多元化、纹饰图案不规则引起的目标区域特征提取难度大的问题,提出了一种基于SE注意力机制的分割算法。注意力机制可加强对目标区域的关注,获得更多的图案特征信息。首先,将改进后的Seg Net模型作为骨干网络,对少数民族服饰图案进行特征提取。其次,在模型中融入SE注意力机制,关注更多的细节特征。最后,通过不同的评价指标,对比不同的网络模型的分割结果。本文实验数据集来源于北京服装学院民族服饰博物馆,按特定的图像类型收集少数民族服饰图案,并对服饰图案进行相关预处理,用于本文实验。实验结果表明,将SE注意力机制和改进后的Seg Net模型融合起来,模型的准确率、交并比、相似系数均高于其他网络,分割效果优于其他对比网络。(2)针对少数民族纹饰图案的多样性,且色彩差异大引起的目标区域提取困难等问题,提出了一种基于注意力特征融合的分割算法。在Seg Net模型中使用深度过参数化卷积,增加可学习的参数,增强模型性能,引入注意力特征融合机制,可以融合不同层的特征,以此来帮助模型获得更多的图案信息。最后通过不同的评价指标以及色彩差异大的少数民族服饰图案的分割结果进行对比。实验结果表明,提出的模型在少数民族服饰图案数据集取得了优异的结果。

关键词：少数民族服饰图案分割 segnet模型 SE注意力注意力特征融合深度过参数化卷积

来源：评论

学校读者我要写书评

暂无评论

少样本条件下的复杂叶片图像语义分割

引用

齐齐哈尔大学学报（自然科学版） 2022年第3期38卷 21-25,31页

作者：汪庆杜炜马春谷宗运安徽中医药大学医药信息工程学院合肥230012

针对少样本条件下复杂叶片分割精确度不高的问题,提出一种基于数据增强的图像语义分割方法。使用翻转、平移方法对训练集中的图像进行增强扩充,利用VGG19代替原segnet语义分割模型的VGG16主干网络进行模型训练。实验结果表明,在包含180... 详细信息

针对少样本条件下复杂叶片分割精确度不高的问题,提出一种基于数据增强的图像语义分割方法。使用翻转、平移方法对训练集中的图像进行增强扩充,利用VGG19代替原segnet语义分割模型的VGG16主干网络进行模型训练。实验结果表明,在包含180幅复杂背景叶片的图像数据集上,使用该方法的评价指数MPA和MIOU达到了98.02%和95.79%,相比未使用数据增强的原模型分别提高了9.96%和15.27%。

关键词：语义分割 segnet模型 VGG19 少样本复杂叶片数据增强

来源：评论

学校读者我要写书评

暂无评论

基于segnet的高分影像农作物分类研究

基于SegNet的高分影像农作物分类研究

引用

作者：王亚欣哈尔滨师范大学

学位级别：硕士

黑龙江省作为我国的“粮仓”,其区域内种植的农作物具有种类繁多、分布范围广的特点,及时准确的对作物信息进行获取包括作物的类型以及具体的分布空间等信息的获取是政府一直关注的问题,高分一号影像因其具有高时间、高空间分辨率的优势... 详细信息

黑龙江省作为我国的“粮仓”,其区域内种植的农作物具有种类繁多、分布范围广的特点,及时准确的对作物信息进行获取包括作物的类型以及具体的分布空间等信息的获取是政府一直关注的问题,高分一号影像因其具有高时间、高空间分辨率的优势,已经成为了遥感分类领域中最受欢迎的遥感影像之一。利用高分一号影像开展大范围的对典型的农作物种植信息进行提取对于保持生态稳定、促进农业的现代化以及促进可持续发展有重要意义。使用传统的分类方法进行对农业种植信息进行提取,通常不能较好地利用影像中的高维特征促使分类效果不好。而深度学习技术可以对影像信息进行深层次特征提取从而实现决策分类,近年来该技术在目标信息提取、图像的分类、场景解译等方面应用广泛并且效果较好。在此背景下,本文主要探究深度学习中的segnet模型对高分一号遥感影像中的农作物进行分类识别是否可以达到较高的精度。本文选取segnet模型,对其网络架构进行适当的调整,以黑龙江省哈尔滨市阿城区典型的培育有玉米和水稻的地段的高分一号遥感影像作为数据源,对研究区内种植的玉米和水稻两种作物进行分类提取,将模型的图像输入尺寸分别设置为16×16、64×64和256×256,结果表明当输入尺寸为64×64时模型精度最高,可达93.31%。然后选取3种常见的遥感影像分类方法包括最大似然法(MLC)、支持向量机(SVM)和迭代自组织(Iso Data)方法同样对该影像进行分类,再同深度学习模型segnet模型分类结果进行比较。结果表明使用segnet模型进行作物分类时精度最高,分类效果优于3种传统遥感影像分类方法。为了证明该模型的泛化能力,追加另一景区域内种植有玉米和水稻的高分一号影像作为辅助验证数据,将其输入到训练好的模型当中,该模型依旧可以把玉米和水稻很好地提取识别出来,这表明本文的segnet模型可以用来识别高分一号影像中的玉米和水稻两种农作物并且泛化能力强、分类精度高。

关键词：农作物分类高分辨率遥感深度学习 segnet模型卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的高原鼠兔图像检测与分割方法研究

基于卷积神经网络的高原鼠兔图像检测与分割方法研究

引用

作者：陈刚琦兰州理工大学

学位级别：硕士

高原鼠兔是青藏高原特有物种之一。高原鼠兔在维护高原草地生态平衡的同时又容易泛滥成灾形成鼠害。准确的预测高原鼠兔的种群数量并采取相应的防治措施对减少鼠害的发生、维护高原草地生态平衡都具有重要意义。随着机器视觉技术的快速... 详细信息

高原鼠兔是青藏高原特有物种之一。高原鼠兔在维护高原草地生态平衡的同时又容易泛滥成灾形成鼠害。准确的预测高原鼠兔的种群数量并采取相应的防治措施对减少鼠害的发生、维护高原草地生态平衡都具有重要意义。随着机器视觉技术的快速发展,通过智能监控设备获取高原鼠兔种群数量成为可能。高原鼠兔目标检测与分割是获取高原鼠兔种群数量的基础,而自然场景下的高原鼠兔图像,目标尺寸小、背景复杂、目标特征不显著,加大了目标检测与分割的难度。本文以Faster-RCNN模型为基础的目标检测模型,针对Faster-RCNN模型中锚点框引入的重复采样以及背景噪声导致的目标检测精度低的问题,提出了基于语义分割的感兴趣区域生成方法。该方法把感兴趣区域的搜索问题转化为前景与背景的二值语义分割问题;然后将语义分割所得的分割掩码通过中值滤波以及连通域分析,直接得到感兴趣区域的位置以及大小,避免了采用锚点框来生成感兴趣区域,降低了背景噪声对目标检测的影响。该方法简化了目标检测模型的同时降低了计算复杂度。对自然场景下的高原鼠兔图像目标检测的实验结果表明:本文提出的基于语义分割的感兴趣区域生成方法与Faster-RCNN模型的RPN网络相比,最优F1值高出27.75%。精确的语义分割需要大量的标记数据,而语义分割数据集的标注成本高,导致训练数据缺乏,训练模型的数据量小。针对分割标记数据有限的问题,提出一种基于数据增强的小样本语义分割模型。首先将基于语义分割感兴趣区域生成的目标检测标记数据作为一个弱监督训练数据集,利用该数据集训练一个语义分割模型,实现从原始图像到粗分割掩码的映射;然后,提出一种基于前景、背景分离的数据扩充方法,将有限的训练数据扩展为更大的训练集。在此基础上利用扩充后的分割训练数据对语义模型进行微调,降低了语义分割模型对分割标记数据的依赖,提升了模型的分割性能。对自然场景下的高原鼠兔图像语义分割的实验结果表明:基于数据增强的小样本语义分割模型分割性能接近于采用大量分割训练数据集的语义分割模型,分割性能优于Chan-Vese模型。表明基于前、背景分离的数据扩充方法可以有效的提升模型的分割性能。

关键词：高原鼠兔目标检测语义分割小样本学习 RPN模型 segnet模型

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：