检索结果-内蒙古大学图书馆

吉林大学学报（工学版） 2020年第1期50卷 297-305页

作者：陈蔓钟勇李振东中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

为使多聚焦图像的融合结果能保持全局性、保留局部的细节且对未配准源图像具有鲁棒性,提出了一种隐低秩表示结合低秩表示的多聚焦图像融合算法。该算法通过对源图像进行隐低秩表示,得到图像的低秩(全局)部分和显著(细节)部分,然后对低... 详细信息

为使多聚焦图像的融合结果能保持全局性、保留局部的细节且对未配准源图像具有鲁棒性,提出了一种隐低秩表示结合低秩表示的多聚焦图像融合算法。该算法通过对源图像进行隐低秩表示,得到图像的低秩(全局)部分和显著(细节)部分,然后对低秩部分和显著部分分别使用滑动窗口技术分块,并将分块使用4个方向的Sobel算子进行分类学习子字典,将子字典合成完整字典后进行低秩表示,接着对低秩部分和显著部分的低秩系数分别进行融合,融合过程中引入导向滤波增强空间连续性,最后将融合的低秩系数分别乘以字典得到融合后的低秩部分和显著部分,两者相加则得到最终的融合图像。为验证算法的有效性,实验过程中选取3组数据,包括2组完全配准的多聚焦图像以及1组未完全配准的多聚焦图像,分析融合结果与源图像的残差,并使用4个融合质量评价指标进行量化分析。实验结果表明,该算法在主观视觉效果和客观质量评价分析方面都优于当前主流的多聚焦图像融合算法。

关键词：计算机应用图像融合多聚焦隐低秩表示字典学习低秩表示

来源：评论

学校读者我要写书评

暂无评论

基于特征融合的遥感图像舰船目标检测方法

引用

光子学报 2020年第7期49卷 51-61页

作者：史文旭江金洪鲍胜利中国科学院成都计算机应用研究所成都610081 中国科学院大学北京100049

针对常用的目标检测算法对遥感图像中的舰船目标进行检测时存在检测精度与实时性兼顾不佳的问题,提出了基于特征融合的遥感图像舰船目标检测算法来检测复杂场景下的多尺度舰船目标.该算法以多尺度单发射击检测框架为基础,增加反卷积特... 详细信息

针对常用的目标检测算法对遥感图像中的舰船目标进行检测时存在检测精度与实时性兼顾不佳的问题,提出了基于特征融合的遥感图像舰船目标检测算法来检测复杂场景下的多尺度舰船目标.该算法以多尺度单发射击检测框架为基础,增加反卷积特征融合模块和池化特征融合模块,增强网络特征提取的能力.同时设计聚焦分类损失函数来解决训练过程中正负样本失衡的问题.在高分遥感舰船目标数据集上的实验结果表明,所提方法能够有效地增强复杂场景下舰船目标的检测精度.此外,该算法对遥感图像中的模糊舰船目标的检测效果也优于多尺度单发射击检测框架.

关键词：遥感图像舰船目标检测神经网络复杂场景深度学习

来源：评论

学校读者我要写书评

暂无评论

基于空间分频的超声图像分割注意力网络

引用

计算机应用 2021年第6期41卷 1828-1835页

作者：沈雪雯王晓东姚宇中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对医学超声影像噪点多、边界模糊,器官轮廓很难界定的问题,提出了一种基于空间分频的超声图像分割注意力网络(SFDA-Net)。首先,借助Octave卷积在整个网络中对图像实现了高、低频并行处理,从而获得更加多元的信息。然后,加入卷积块注... 详细信息

针对医学超声影像噪点多、边界模糊,器官轮廓很难界定的问题,提出了一种基于空间分频的超声图像分割注意力网络(SFDA-Net)。首先,借助Octave卷积在整个网络中对图像实现了高、低频并行处理,从而获得更加多元的信息。然后,加入卷积块注意模块(CBAM),使图像特征恢复时更加关注有效信息,以减小分割目标整体区域的缺失。最后,使用FocalTverskyLoss作为目标函数,从而降低简单样本的权重并加强对困难样本的关注,以及降低各个类别间因像素误判而引入的误差。通过多组对比实验可知,SFDA-Net的参数量低于原UNet++,而分割精度提高了6.2个百分点,Dice得分提高了8.76个百分点,类别平均像素准确率(mPA)提升至84.09%,平均交并比(mIoU)提升至75.79%。SFDA-Net在降低参数量的同时稳步提高了网络性能,实现了更为准确的超声心动图分割。

关键词：超声心动图深度学习图像分割空间分频注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于子网融合的贝叶斯网络结构学习算法

引用

计算机科学 2022年第S02期49卷 64-70页

作者：钟坤华陈芋文秦小林中国科学院成都计算机应用研究所成都610041 中国科学院重庆绿色智能技术研究院重庆400714 中国科学院大学北京100049

针对贝叶斯网络结构学习K2算法要求提供实际难以获得的准确先验节点顺序信息以及爬山算法对初始网络结构依赖性强且容易陷入局部最优的问题,提出了一种基于子网融合的贝叶斯网络结构学习算法Sub-BN-Merge。该算法首先为每个节点构造一... 详细信息

针对贝叶斯网络结构学习K2算法要求提供实际难以获得的准确先验节点顺序信息以及爬山算法对初始网络结构依赖性强且容易陷入局部最优的问题,提出了一种基于子网融合的贝叶斯网络结构学习算法Sub-BN-Merge。该算法首先为每个节点构造一个子网,并以Voting的方式融合生成每个节点的候选父节点集,然后基于评分函数在候选集中为每个节点搜索最优父节点集合,最后消除所得网络结构中的环路,并以此为初值进一步采用启发式搜发方法对其进行优化。在小型网络Asia、中型网络Alarm和大型网络Win95pts上进行了实验验证,同时分析了算法在数据存在缺失值情况下的性能。实验结果证明了算法的有效性,Sub-BN-Merge算法在结构汉明距和算法正确率方面优于对比算法。

关键词：贝叶斯网络结构学习子网融合 K2算法爬山算法

来源：评论

学校读者我要写书评

暂无评论

一种基于多样性正实例的单目标跟踪算法

引用

哈尔滨工业大学学报 2020年第10期52卷 135-143页

作者：张博言钟勇中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

单目标跟踪是计算机视觉领域中最具有挑战性的应用场景之一.针对跟踪过程中目标物体被遮挡以及运动过程中形变、画面模糊等问题,本文提出一种基于多样性正样本实例的单目标跟踪算法,同时缓解了训练样本不足以及样本缺乏多样性的问题.在... 详细信息

单目标跟踪是计算机视觉领域中最具有挑战性的应用场景之一.针对跟踪过程中目标物体被遮挡以及运动过程中形变、画面模糊等问题,本文提出一种基于多样性正样本实例的单目标跟踪算法,同时缓解了训练样本不足以及样本缺乏多样性的问题.在离线阶段,本文算法首先使用变分自编码器(Variational Autoencoder,VAE)对原始训练样本进行编码映射到隐空间,然后通过隐空间采样重构生成包含多样性的困难正样本数据,提高训练数据的多元性,并结合原始训练样本构建训练数据集;其次,对于训练序列的目标模板、正负样本,使用概率三元组损失函数训练跟踪网络,深入挖掘正负样本间关联,提高跟踪网络的判别性;在线测试阶段,使用训练的孪生神经网络(Siamese Neural Network,SNN)对目标进行跟踪定位,通过对目标模板和搜索区域执行互相关操作,确定目标在当前时刻的位置.对比实验结果表明,本文算法提高了SNN跟踪网络在背景相似物干扰、目标物体运动过程中形态变化、快速运动、旋转、模糊以及被遮挡情况下的鲁棒性和定位准确性,并保持了实时的跟踪表现.

关键词：单目标跟踪卷积神经网络孪生神经网络变分自编码器三元组损失

来源：评论

学校读者我要写书评

暂无评论

基于多任务学习的肝细胞癌分割与病理分化程度预测方法

引用

生物医学工程学杂志 2023年第1期40卷 60-69页

作者：文含赵莹杨涌王洪凯刘爱连姚宇付忠良中国科学院、成都计算机应用研究所成都610213 中国科学院大学北京100049 大连医科大学附属第一医院辽宁大连116011 大连理工大学、生物医学工程学院辽宁大连116024 大连市医学影像人工智能工程技术研究中心辽宁大连116000

肝细胞癌(HCC)是最常见的肝脏恶性肿瘤,其中HCC分割和病理分化程度预测是手术治疗和预后评估过程中的两个重要任务。现有方法通常独立地解决这两个问题,没有考虑两个任务的相关性。本文提出了一种多任务学习模型,旨在同时完成分割任务... 详细信息

肝细胞癌(HCC)是最常见的肝脏恶性肿瘤,其中HCC分割和病理分化程度预测是手术治疗和预后评估过程中的两个重要任务。现有方法通常独立地解决这两个问题,没有考虑两个任务的相关性。本文提出了一种多任务学习模型,旨在同时完成分割任务和病理分化程度分类任务。本文所提模型由分割子网和分类子网构成:在分类子网中提出了一种多尺度特征融合方法来提高分类精度;在分割子网中设计了一种边界感知注意力,用于解决肿瘤过分割问题。本文采用动态权重平均多任务损失,使模型在两个任务中同时获得最优的性能。研究结果显示,本文方法在295例HCC患者上的实验结果均优于其它多任务学习方法,在分割任务上戴斯相似系数(Dice)为(83.9±0.88)%,同时在分类任务上的平均召回率为(86.08±0.83)%,F1分数为(80.05±1.7)%。该结果表明,本文提出的多任务学习方法能够同时较好地完成分类任务和分割任务,可为HCC患者的临床诊断和治疗提供理论参考。

关键词：深度学习多任务学习肝细胞癌分类分割

来源：评论

学校读者我要写书评

暂无评论

基于头实体注意力的实体关系联合抽取方法

引用

计算机应用 2021年第9期41卷 2517-2522页

作者：刘雅璇钟勇中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

实体关系抽取是构建大规模知识图谱及各种信息抽取任务的关键步骤。基于预训练语言模型,提出基于头实体注意力的实体关系联合抽取方法。该方法采用卷积神经网络(CNN)提取头实体关键信息,并采用注意力机制捕获头实体与尾实体之间的依赖关... 详细信息

实体关系抽取是构建大规模知识图谱及各种信息抽取任务的关键步骤。基于预训练语言模型,提出基于头实体注意力的实体关系联合抽取方法。该方法采用卷积神经网络(CNN)提取头实体关键信息,并采用注意力机制捕获头实体与尾实体之间的依赖关系,构建了基于头实体注意力的联合抽取模型(JSA)。在公共数据集纽约时报语料库(NYT)和采用远程监督方法构建的人工智能领域数据集上进行实验,所提模型的F1值相较于级联二元标记框架(CasRel)分别获得了1.8和8.9个百分点的提升。

关键词：实体关系抽取联合抽取自然语言处理注意力机制领域知识图谱头实体

来源：评论

学校读者我要写书评

暂无评论

基于超宽选票的图像拼接方法

引用

计算机应用 2021年第S02期41卷 254-257页

作者：程政官磊周冲浩中国科学院成都计算机应用研究所成都610041 中国科学院大学计算机科学与技术学院北京100049

针对机器视觉的电子选举系统中出现的超宽选票无法被现在主流的电子选举系统进行加载识别的问题,提出一种改进的图像拼接方法。首先,在特征提取部分简化了尺度不变特征变换(SIFT)算法中金字塔的层数以提升特征提取的效率;然后,在图像拼... 详细信息

针对机器视觉的电子选举系统中出现的超宽选票无法被现在主流的电子选举系统进行加载识别的问题,提出一种改进的图像拼接方法。首先,在特征提取部分简化了尺度不变特征变换(SIFT)算法中金字塔的层数以提升特征提取的效率;然后,在图像拼接阶段,先使用近邻(NN)算法进行特征粗匹配,再使用渐进一致采样(PROSAC)算法提高匹配精度,实现图像配准;最后,对重合区域使用渐入渐出融合法进行融合处理,实现了电子选票图像的拼接。由实验结果可以看出,该算法在保证了图像拼接质量的基础上,拼接平均耗时大概为30 ms,拼接效率高,满足了电子选举系统对超宽选票机器采集的需求。

关键词：电子选举尺度不变特征变换特征匹配渐进一致采样图像配准

来源：评论

学校读者我要写书评

暂无评论

基于直线段检测器的多阈值图像表格框线提取算法

引用

计算机应用 2021年第S01期41卷 250-254页

作者：刘云锴彭程边赟中国科学院成都计算机应用研究所成都610041 中国科学院大学北京100049

针对传统表格结构识别算法中,前期图像预处理工作量大、复杂表格结构识别率低、高分辨率和高复杂度表格时间开销过于大的问题,提出先对图像表格结构利用直线段检测器进行框线检测,再利用双阈值直线判断规则,对本应属于同一直线的多条线... 详细信息

针对传统表格结构识别算法中,前期图像预处理工作量大、复杂表格结构识别率低、高分辨率和高复杂度表格时间开销过于大的问题,提出先对图像表格结构利用直线段检测器进行框线检测,再利用双阈值直线判断规则,对本应属于同一直线的多条线段进行合并细化,最后对横纵线交点处缺失或过长线段,采用表格结构整体框线对齐的快速识别算法。实验结果表明,该算法既可以对图像高分辨率下简单表格和复杂表格准确识别,也可以满足图像低分辨率中简单表格和复杂表格的识别需求,可以容忍一定倾斜角度,因此减少了图像预处理工作,缩短了检测时间,甚至可以对非严格定义表格结构进行精准识别,进一步推动图像表格结构通用识别算法的进程。

关键词：表格结构直线段检测器框线检测合并细化框线对齐

来源：评论

学校读者我要写书评

暂无评论

基于改进蝶形反馈型神经网络的海关风险布控方法

引用

计算机应用 2023年第12期43卷 3955-3964页

作者：王正刚刘忠金瑾刘伟中国科学院成都计算机应用研究所成都610213 中国科学院大学研究生院北京101408 中华人民共和国成都海关科技处成都610041 成都信息工程大学软件工程学院成都610103

针对现阶段我国海关风险布控方法存在效率、准确率较低、人力资源占用过多的问题和智能化分类算法小型化部署需求,提出一种基于改进蝶形反馈型神经网络(BFNet-V2)的海关风险布控方法。首先,运用编码填充(FC)算法实现海关表格数据到模拟... 详细信息

针对现阶段我国海关风险布控方法存在效率、准确率较低、人力资源占用过多的问题和智能化分类算法小型化部署需求,提出一种基于改进蝶形反馈型神经网络(BFNet-V2)的海关风险布控方法。首先,运用编码填充(FC)算法实现海关表格数据到模拟图像的语义替换;其次,运用BFNet-V2训练模拟图像数据,由左右两条链路、不同卷积核和块、小块的设计组成规则的神经网络结构,并添加残差短路径干预改善过拟合和梯度消失;最后,提出历史动量自适应矩估计算法(H-Adam)优化梯度下降过程,取得更优的自适应学习率调整方式,并分类海关数据。选取Xception(eXtreme inception)、移动网络(MobileNet)、残差网络(ResNet)和蝶形反馈型神经网络(BF-Net)为基线网络结构进行对比。BFNet-V2的接受者工作特征曲线(ROC)和查准率-查全率曲线(PR)包含了基线网络结构的曲线,与4种基线网络结构相比,基于迁移学习(TL)的BFNet-V2分类准确率分别提高了4.30%、4.34%、4.10%和0.37%。在真实标签数据分类过程中,BFNet-V2的查获误判率分别降低了70.09%、57.98%、58.36%和10.70%。比较所提方法与包含浅层和深度学习方法在内的8种分类方法,在3个数据集上的准确率均提升1.33%以上,可见所提方法能够实现表格数据自动分类,提升海关风险布控的效率和准确度。

关键词：卷积神经网络模拟图像自适应矩估计海关风险布控

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：