检索结果-内蒙古大学图书馆

光子学报 2023年第8期52卷 194-205页

作者：张睦卿韩雨童陈柏年张建新大连民族大学计算机科学与工程学院大连116600 大连民族大学机器智能与生物计算研究所大连116600

针对磁共振成像脑肿瘤分割存在的肿瘤空间信息变化大与精细标注样本数量少的问题,提出一种基于多尺度伪影生成对抗网络的脑肿瘤影像分割方法。该方法采用三维U-Net模型来获取脑肿瘤分割结果并充当生成器,引入三维PatchGAN作为判别器来评... 详细信息

针对磁共振成像脑肿瘤分割存在的肿瘤空间信息变化大与精细标注样本数量少的问题,提出一种基于多尺度伪影生成对抗网络的脑肿瘤影像分割方法。该方法采用三维U-Net模型来获取脑肿瘤分割结果并充当生成器,引入三维PatchGAN作为判别器来评判U-Net输出的脑肿瘤结果与真值标签,通过对抗学习方式来进行模型训练。为提升脑肿瘤分割效果,在生成器编码阶段引入伪影模块,使得在卷积过程中能够捕获到更丰富的深度特征而提升生成器的脑肿瘤生成结果;同时,在解码过程中采用多尺度特征融合方式来有效整合脑肿瘤的浅层信息与深层信息,并在对抗学习中进一步提升分割性能。在公开的BraTS2019-2020数据集上对该方法进行了评估,实验结果验证了所提出方法在脑肿瘤分割任务中的有效性,在两个验证集上获得的全肿瘤、核心肿瘤和增强肿瘤分割Dice值分别为0.902/0.903、0.836/0.826和0.77/0.782。

关键词：脑肿瘤分割三维U-Net 生成对抗网络伪影特征多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

基于语言-视觉对比学习的多模态视频行为识别方法

引用

自动化学报 2024年第2期50卷 417-430页

作者：张颖张冰冰董微安峰民张建新张强大连民族大学计算机科学与工程学院大连116600 大连民族大学机器智能与生物计算研究所大连116600 大连理工大学电子信息与电气工程学部大连116024

以对比语言-图像预训练(Contrastive language-image pre-training, CLIP)模型为基础,提出一种面向视频行为识别的多模态模型,该模型从视觉编码器的时序建模和行为类别语言描述的提示学习两个方面对CLIP模型进行拓展,可更好地学习多模... 详细信息

以对比语言-图像预训练(Contrastive language-image pre-training, CLIP)模型为基础,提出一种面向视频行为识别的多模态模型,该模型从视觉编码器的时序建模和行为类别语言描述的提示学习两个方面对CLIP模型进行拓展,可更好地学习多模态视频表达.具体地,在视觉编码器中设计虚拟帧交互模块(Virtual-frame interaction module, VIM),首先,由视频采样帧的类别分词做线性变换得到虚拟帧分词;然后,对其进行基于时序卷积和虚拟帧分词移位的时序建模操作,有效建模视频中的时空变化信息;最后,在语言分支上设计视觉强化提示模块(Visual-reinforcement prompt module,VPM),通过注意力机制融合视觉编码器末端输出的类别分词和视觉分词所带有的视觉信息来获得经过视觉信息强化的语言表达.在4个公开视频数据集上的全监督实验和2个视频数据集上的小样本、零样本实验结果,验证了该多模态模型的有效性和泛化性.

关键词：视频行为识别语言-视觉对比学习多模态模型时序建模提示学习

来源：评论

学校读者我要写书评

暂无评论

改进YOLOv5的遥感图像检测方法

引用

计算机工程与应用 2023年第10期59卷 253-261页

作者：刘涛丁雪妍张冰冰张建新大连民族大学计算机科学与工程学院辽宁大连116600 大连民族大学机器智能与生物计算研究所辽宁大连116600 大连理工大学信息与通信工程学院辽宁大连116024

针对YOLOv5在遥感图像目标检测中未能考虑到遥感图像背景复杂、检测目标较小且图像中目标语义信息占比过低导致的检测效果不佳和易出现误检漏检等问题,提出了一种改进YOLOv5的遥感图像目标检测方法。将轻量级的通道注意力机制引入到原始... 详细信息

针对YOLOv5在遥感图像目标检测中未能考虑到遥感图像背景复杂、检测目标较小且图像中目标语义信息占比过低导致的检测效果不佳和易出现误检漏检等问题,提出了一种改进YOLOv5的遥感图像目标检测方法。将轻量级的通道注意力机制引入到原始YOLOv5的特征提取和特征融合网络的C3模块中,以提升网络局部特征捕获与融合能力;强化对遥感图像的多尺度特征表达能力,通过增加一个融合浅层语义信息的细粒度检测层来提高对小目标的检测效果;使用Copy-Paste数据增强方法来丰富训练样本数量,在不增加模型计算量的情况下可进一步解决遥感图像背景信息占比过高而目标区域占比过低的问题。实验结果表明,改进YOLOv5在公开的DOTA和DIOR遥感图像数据集上mAP结果分别达到0.757和0.759。该方法较原始YOLOv5可提高0.017和0.059,相比于其他典型遥感目标检测方法在精度上也有所提升,证明了改进YOLOv5方法的有效性。

关键词： YOLOv5 遥感图像目标检测注意力机制数据增强

来源：评论

学校读者我要写书评

暂无评论

基于级联动态注意力U-Net的脑肿瘤分割方法

引用

计算机科学 2023年第S02期50卷 1019-1025页

作者：陈柏年韩雨童何涛刘斌张建新大连民族大学计算机科学与工程学院大连116600 大连民族大学机器智能与生物计算研究所大连116600 大连理工大学中日国际信息与软件学院大连116620

脑肿瘤是一种严重威胁人类健康的疾病,脑肿瘤精确分割在临床诊疗中非常重要。由于脑肿瘤形状大小各异、位置不固定和边界模糊等,实现高精度脑肿瘤自动分割仍是一项具有挑战性的任务。近年来,U-Net凭借其简洁的架构和优秀的性能成为解决... 详细信息

脑肿瘤是一种严重威胁人类健康的疾病,脑肿瘤精确分割在临床诊疗中非常重要。由于脑肿瘤形状大小各异、位置不固定和边界模糊等,实现高精度脑肿瘤自动分割仍是一项具有挑战性的任务。近年来,U-Net凭借其简洁的架构和优秀的性能成为解决医学图像分割任务的主流模型,但其也存在局部感受野有限、空间信息丢失和未充分利用上下文信息等问题。为此,提出一种基于动态卷积和非局部注意力机制的级联U-Net新模型(CDAU-Net)用于脑肿瘤分割任务。首先,将两阶段级联三维U-Net作为主体架构,来重建更精细的高分辨率脑肿瘤空间信息;进而,在级联网络横向连接上添加期望最大化注意力,通过提高网络捕获长距离依赖能力来更好利用肿瘤上下文信息;最后,在级联网络中将普通卷积替换为具有局部自适应能力的动态卷积,可进一步增强网络局部特征捕获能力。在公开的BraTS2019-2020数据集上进行了大量实验并与其他代表性方法进行对比,实验结果表明了所提方法在脑肿瘤分割任务上的有效性。其中,在BraTS2019/2020验证集上获得的全部肿瘤、肿瘤核心和增强肿瘤分割Dice值分别为0.897/0.903,0.826/0.828和0.781/0.786,表现出了良好的脑肿瘤分割性能。

关键词：脑肿瘤分割 U-Net 级联网络动态卷积期望最大化注意力

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：