检索结果-内蒙古大学图书馆

计算机与数字工程 2024年第10期52卷 2960-2966页

作者：刘卓边小勇杨博武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室武汉430065

论文引入了一种对象意识多编码生成器网络的遥感场景方法,从多示例对象定位以及生成式对抗网络图像生成两个方面研究遥感场景分类方法。首先利用原始图像以及生成式对抗网络生成的伪图输入联合定位模块,利用两者特征上的差异性和互补性... 详细信息

论文引入了一种对象意识多编码生成器网络的遥感场景方法,从多示例对象定位以及生成式对抗网络图像生成两个方面研究遥感场景分类方法。首先利用原始图像以及生成式对抗网络生成的伪图输入联合定位模块,利用两者特征上的差异性和互补性以定位多个信息性对象部件。然后提出一种多编码生成器网络,每个潜在编码用以恢复图像的特定区域,同时在生成器的中间层通过通道重要性权重组合这些潜在编码,合成足够细节的伪图。最后,论文联合对象部件级分类以及图像全局级分类作为最终的分类结果,用于遥感场景分类。该方法主要在两个公开的大规模场景数据集AID和NWPU-RESISC45上进行了验证。与现有的方法相比,该方法有效定位到了多个信息性对象部件并且提高了遥感场景分类性能。

关键词：遥感场景分类多示例定位生成式对抗网络

来源：评论

学校读者我要写书评

暂无评论

视点意识胶囊网络的遥感场景分类

引用

计算机与数字工程 2024年第10期52卷 2949-2954页

作者：孙学昊边小勇武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室武汉430065

针对遥感图像的视点变化,提出了一种新的遥感场景分类方法,通过空间变换网络结合传感器视点估计,预测每个场景类别的主方向,并在网络内部计算二维仿射变换参数,对胶囊姿态向量进行编码,用以构建等变的、具有仿射变换鲁棒性的主胶囊层。... 详细信息

针对遥感图像的视点变化,提出了一种新的遥感场景分类方法,通过空间变换网络结合传感器视点估计,预测每个场景类别的主方向,并在网络内部计算二维仿射变换参数,对胶囊姿态向量进行编码,用以构建等变的、具有仿射变换鲁棒性的主胶囊层。对遥感图像的类内多样性问题进行了研究,提出了子概念动态路由,减少后续层中出现的噪声胶囊,生成场景的内部紧凑表示用于遥感场景分类。最后在两个公开的大型遥感场景数据集AID和NWPU-RESISC45进行测试,实验结果表明,该方法显著提高了遥感场景的分类准确率。

关键词：场景分类胶囊网络姿态估计子概念动态路由

来源：评论

学校读者我要写书评

暂无评论

COVID-19物资知识图谱的构建

引用

武汉大学学报（理学版） 2020年第5期66卷 409-417页

作者：向军毅胡慧君刘宇高峰唐东昕刘茂福武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065 贵州中医药大学第一附属医院贵州贵阳550001

新型冠状病毒肺炎(corona virus disease 2019,COVID-19)由于其高传染性和长潜伏期受到世界各地的广泛关注。为了更好地服务医疗问答系统等相关领域,本文结合自顶向下与自底向上两种方式半自动化构建了COVID-19物资知识图谱。首先,根据... 详细信息

新型冠状病毒肺炎(corona virus disease 2019,COVID-19)由于其高传染性和长潜伏期受到世界各地的广泛关注。为了更好地服务医疗问答系统等相关领域,本文结合自顶向下与自底向上两种方式半自动化构建了COVID-19物资知识图谱。首先,根据实际需求讨论确定了物资的主体结构,主要包括医用防护装备、医用防护设施、日常防护用品、医用诊疗设备以及治疗用药五大类,然后通过政府公文、医学网站、百科类网站以及各大电商网站等权威数据细分知识图谱本体层,并添加物资实体,同时,为了使世界各地的研究者们能方便地使用COVID-19物资知识图谱,所有中文都通过机器翻译成了英文并由人工校验。为了保证数据的可靠性,将通过随机采样对知识图谱进行人工审查,准确率为98.73%。最后,通过WebVOWL对COVID-19物资图谱进行可视化展示,并根据前沿科技应用介绍本知识图谱的优秀应用场景。

关键词：新型冠状病毒肺炎知识图谱实体链接医用物资

来源：评论

学校读者我要写书评

暂无评论

基于改进Dense Teacher的半监督目标检测算法

引用

计算机技术与发展 2024年第12期34卷 148-156页

作者：林紫心陈东方王晓峰武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

在深度学习目标检测领域中,标注数据的复杂性对半监督目标检测技术的发展起到了推动作用。近期,无锚框目标检测器在半监督目标检测中的应用逐渐增多。然而,现有方法仍面临特征表达不足和伪标签质量参差不齐的挑战。为解决这一问题,该文... 详细信息

在深度学习目标检测领域中,标注数据的复杂性对半监督目标检测技术的发展起到了推动作用。近期,无锚框目标检测器在半监督目标检测中的应用逐渐增多。然而,现有方法仍面临特征表达不足和伪标签质量参差不齐的挑战。为解决这一问题,该文提出了一种基于优化Dense Teacher的半监督目标检测算法。首先,通过设计通道信息增强的特征金字塔(CIE-FPN),优化了特征图的感受野和特征融合,旨在捕获更丰富的全局特征信息。其次,采用伪标签双分支处理策略,以解决分类与检测任务在伪标签需求上的不一致性,从而提高伪标签的可靠性。实验结果表明,在COCO数据集仅使用10%有标注数据的条件下,与基线网络Dense Teacher相比,提出的改进算法在提升无锚框半监督目标检测性能方面取得了明显效果。

关键词：无锚框目标检测器特征融合伪标签双分支处理策略半监督学习半监督目标检测

来源：评论

学校读者我要写书评

暂无评论

融合感知卷积和注意力机制的全景图深度估计方法

引用

计算机技术与发展 2024年第12期34卷 16-24页

作者：朱哲黄莉王宗阳武汉科技大学计算机科学与技术学院湖北武汉430065 湖北省智能信息处理与实时工业系统重点实验室湖北武汉430065

全景图像凭借广阔视野和完整场景信息,以及能够全面捕捉场景的空间结构和细节,提供准确细致的深度信息,在自动驾驶、机器人导航领域备受关注。传统全景图像的投影方式,如等距柱状投影(ERP)提供了丰富的场景视野,但存在失真和无法获取完... 详细信息

全景图像凭借广阔视野和完整场景信息,以及能够全面捕捉场景的空间结构和细节,提供准确细致的深度信息,在自动驾驶、机器人导航领域备受关注。传统全景图像的投影方式,如等距柱状投影(ERP)提供了丰富的场景视野,但存在失真和无法获取完整上下文信息的问题;而立方体投影(CMP)虽然避免了失真,但是视野小以及边界不连续。针对所存在的问题,该文提出了一种结合等距失真感知卷积和混合注意力机制的双分支全景图像深度估计方法——DeCSBAFuse。该方法的主要创新:提出基于等距失真感知卷积的EDeConv分支,融入垂直方向上的图像信息,充分保留上下文信息;基于通道和空间注意力机制,引入批次注意力机制设计的CSBA分支,以更好地处理CMP不同面之间的边界问题。相较于主流的全景图像深度估计方法,DeCSBAFuse在三个基准数据集上展现出更准确的深度预测结果,尤其在细致纹理区域能够预测出更清晰的深度边界。

关键词：全景图像深度估计注意力机制几何投影失真感知卷积

来源：评论

学校读者我要写书评

暂无评论

基于非对称沙漏网络结构的目标检测算法

引用

计算机应用 2020年第12期40卷 3526-3533页

作者：刘子威邓春华刘静武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学大数据科学与工程研究院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

基于无锚框深度学习的目标检测是一种主流的单阶段目标检测算法。融合多层监督信息的沙漏网络结构能够显著提升无锚框目标检测算法的精度,然而其速度却远低于同层次的普通网络的速度,并且不同尺度目标间的特征会互相干扰。针对上述问题... 详细信息

基于无锚框深度学习的目标检测是一种主流的单阶段目标检测算法。融合多层监督信息的沙漏网络结构能够显著提升无锚框目标检测算法的精度,然而其速度却远低于同层次的普通网络的速度,并且不同尺度目标间的特征会互相干扰。针对上述问题,提出了一种非对称沙漏网络结构的目标检测算法。该算法在融合不同网络层的特征时不受形状大小的约束,能够快速高效抽象出网络的语义信息,使模型更容易学习到各种尺度之间的差异。针对不同尺度目标检测问题,设计了一种多尺度输出的沙漏网络结构用来解决不同尺度目标间特征互相干扰的问题,并精细化输出的检测结果。另外,针对多尺度输出使用了一种特殊的非极大值抑制算法以提高检测算法的召回率。实验结果表明,所提算法在COCO数据集上的AP50指标达到61.3%,相较于无锚框网络CenterNet提升了4.2个百分点。所提算法在精度与时间的平衡上超越了原始算法,尤其适用于对工业场景的目标进行实时检测。

关键词：深度学习机器视觉卷积神经网络单阶段目标检测锚框沙漏网络

来源：评论

学校读者我要写书评

暂无评论

基于LOD-RSINet的轻量化遥感图像目标检测

引用

计算机技术与发展 2024年第12期34卷 165-171页

作者：李琛丁胜付佳俊武汉科技大学计算机科学与技术学院湖北武汉430065 武汉科技大学智能信息处理与实时工业系统湖北省重点实验室湖北武汉430065

为了满足遥感图像目标检测任务中轻量化和快速推理的需求,提出了一种基于改进YOLOv8s的轻量化遥感图像目标检测算法(A Lightweight Object Detection Network for Remote Sensing Images, LOD-RSINet)。首先,提出基于SENetv2机制构建的C... 详细信息

为了满足遥感图像目标检测任务中轻量化和快速推理的需求,提出了一种基于改进YOLOv8s的轻量化遥感图像目标检测算法(A Lightweight Object Detection Network for Remote Sensing Images, LOD-RSINet)。首先,提出基于SENetv2机制构建的C2SE(C2f-SENetv2)模块,在略微增加模型参数量的同时让网络更有效地学习到输入数据的不同特征,提升特征表达的精细度和全局信息的整合能力;其次,设计一种轻量级跨尺度特征融合模块CCFM,以增强模型对于尺度变化的适应性和对小目标的检测能力,在不影响模型检测精度的情况下降低了参数量并提高了检测速度;最后,引入了一种Shape IoU损失函数,通过关注边界框本身的形状和尺度来计算损失,从而使边界框回归更加准确。实验证明,改进后的算法在DIOR数据集上的检测精度mAP50和mAP50-95分别达到了0.867和0.668,参数量GFLOPs降低了5.61百分点,检测速度FPS提高了5.94百分点,性能表现优于其他对比方法,能够在轻量化的同时提高模型的目标检测能力。

关键词： YOLOv8 轻量化遥感图像目标检测跨尺度特征融合损失函数

来源：评论

学校读者我要写书评

暂无评论

基于语义调节与两级匹配的图像文本检索方法

引用

计算机技术与发展 2024年第12期34卷 100-107页

作者：刘洪洲张鸿武汉科技大学计算机科学与技术学院湖北武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 湖北武汉430065

图像文本检索的核心在于实现图像与文本之间的相似度匹配,其方法主要分为全局匹配和局部匹配。为了克服跨模态检索任务中全局匹配只考虑全局语义的对齐,局部匹配只考虑细粒度语义对齐,以及全局特征和局部特征交互不足的问题,该文提出一... 详细信息

图像文本检索的核心在于实现图像与文本之间的相似度匹配,其方法主要分为全局匹配和局部匹配。为了克服跨模态检索任务中全局匹配只考虑全局语义的对齐,局部匹配只考虑细粒度语义对齐,以及全局特征和局部特征交互不足的问题,该文提出一种语义调节与两级匹配(Semantic Adjustment and Two-level Matching, SATM)方法,即结合两种匹配方法并利用全局特征调节局部特征语义来进行图像文本检索。首先,在模态内进行语义调节,采用自注意力机制,利用全局特征增强局部特征;其次,在模态间通过堆叠交叉注意力实现图像和文本的局部特征之间的交互和局部匹配,并生成跨模态全局特征;然后,在模态间进行语义调节,利用跨模态全局特征引导局部特征形成全局特征,并进行全局匹配;最后,结合两种匹配相似度进行跨模态检索。该方法综合考虑全局匹配和局部匹配,并充分实现了全局特征和局部特征之间的信息交互,因此能显著提升跨模态检索的准确性,通过在Flickr30K和MS-COCO两个基准数据集上的大量的对比实验,证明了该方法的有效性和优越性。

关键词：跨模态检索图像文本匹配全局匹配局部匹配语义调节

来源：评论

学校读者我要写书评

暂无评论

基于扩张卷积的图像修复

引用

计算机应用 2020年第3期40卷 825-831页

作者：冯浪张玲张晓龙武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学大数据科学与工程研究院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

现有图像修复方法虽然能够补全图像缺失区域的内容,但是仍然存在结构扭曲、纹理模糊、内容不连贯等问题,无法满足人们视觉上的要求。针对这些问题,提出一种基于扩张卷积的图像修复方法,通过引入扩张卷积的思想增大感受野来提升图像修复... 详细信息

现有图像修复方法虽然能够补全图像缺失区域的内容,但是仍然存在结构扭曲、纹理模糊、内容不连贯等问题,无法满足人们视觉上的要求。针对这些问题,提出一种基于扩张卷积的图像修复方法,通过引入扩张卷积的思想增大感受野来提升图像修复的质量。该方法基于生成对抗网络(GAN)的思想,分为生成网络和对抗网络。生成网络包括全局内容修复网络和局部细节修复网络,并使用gated卷积动态地学习图像特征,解决了使用传统卷积神经网络方法无法较好地补全大面积不规则缺失区域的问题。首先利用全局内容修复网络获得一个初始的内容补全结果,之后再通过局部细节修复网络对局部纹理细节进行修复。对抗网络由SN-PatchGAN鉴别器构成,用于评判图像修复效果的好坏。实验结果表明,与目前存在的图像修复方法相比,该方法在峰值信噪比(PSNR)、结构相似性(SSIM)、inception分数3个指标上都有较大的提升;而且该方法有效解决了传统修复方法出现的纹理模糊问题,较好地满足了人们的视觉连贯性,证实了提出的方法的有效性和可行性。

关键词：图像修复扩张卷积生成对抗网络纹理信息 SN-PatchGAN鉴别器

来源：评论

学校读者我要写书评

暂无评论

基于尺度注意力网络的遥感图像场景分类

引用

计算机应用 2020年第3期40卷 872-877页

作者：边小勇费雄君穆楠武汉科技大学计算机科学与技术学院武汉430065 武汉科技大学大数据科学与工程研究院武汉430065 智能信息处理与实时工业系统湖北省重点实验室(武汉科技大学) 武汉430065

针对卷积神经网络(CNN)平等地对待输入图像中潜在的对象信息和背景信息,而遥感图像场景又存在许多小对象和背景复杂的问题,提出一种基于注意力机制和多尺度特征变换的尺度注意力网络模型。首先,开发一个快速有效的注意力模块,基于最优... 详细信息

针对卷积神经网络(CNN)平等地对待输入图像中潜在的对象信息和背景信息,而遥感图像场景又存在许多小对象和背景复杂的问题,提出一种基于注意力机制和多尺度特征变换的尺度注意力网络模型。首先,开发一个快速有效的注意力模块,基于最优特征选择生成注意力图;然后,在ResNet50网络结构的基础上嵌入注意力图,增加多尺度特征融合层,并重新设计全连接层,构成尺度注意力网络;其次,利用预训练模型初始化尺度注意力网络,并使用训练集对模型进行微调;最后,利用微调后的尺度注意力网络对测试集进行分类预测。该方法在实验数据集AID上的分类准确率达到95.72%,与ArcNet方法相比分类准确率提高了2.62个百分点;在实验数据集NWPU-RESISC上分类准确率达到92.25%,与IORN方法相比分类准确率提高了0.95个百分点。实验结果表明,所提方法能够有效提高遥感图像场景分类准确率。

关键词：遥感图像场景分类深度学习多尺度特征变换注意力机制残差网络微调

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：