多尺度融合
多尺度融合的相关文献在2004年到2022年内共计300篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、测绘学
等领域,其中期刊论文132篇、会议论文2篇、专利文献63638篇;相关期刊93种,包括科学技术与工程、新技术新工艺、电子科技等;
相关会议2种,包括2009年全国开放式分布与并行计算学术年会、2016苏鲁黑浙四省声学技术学术会议 等;多尺度融合的相关文献由973位作者贡献,包括焦李成、刘渊、王晓锋等。
多尺度融合—发文量
专利文献>
论文:63638篇
占比:99.79%
总计:63772篇
多尺度融合
-研究学者
- 焦李成
- 刘渊
- 王晓锋
- 仝明磊
- 侯彪
- 张登银
- 李刚
- 潘海鹏
- 王凯
- 王婕
- 王敏
- 王鑫
- 罗静蕊
- 翁佳鑫
- 赵卫东
- 邱常伶
- B·B·利特库希
- Jahangir Alam SM
- Q·赵
- S·曾
- W·佟
- 乔丹
- 于曦
- 亢洁
- 任好盼
- 任竞颖
- 冯澍
- 刘光灿
- 刘博宇
- 刘宇
- 刘怡
- 刘文波
- 刘昶
- 刘民
- 刘洋
- 刘涛
- 刘烨斌
- 刘琛
- 刘磊
- 刘红英
- 刘肖琳
- 危德健
- 吴天昊
- 吴波
- 吴炜
- 吴锡
- 周激流
- 夏海英
- 姜山
- 姜萌
-
-
田枫;
贾昊鹏;
刘芳
-
-
摘要:
针对油田作业现场监控视频中的工人安全着装小目标检测效果较差的问题,提出了改进YOLOv5的油田场景规范化着装检测方法Cascade-YOLOv5(C-YOLOv5).首先搭建YOLO-people与YOLO-dress级联的小目标检测网络,定位行人目标,然后裁剪出行人区域并进行尺度变换,最后对行人进行安全着装检测;为了充分融合浅层与深层特征信息,在各级网络中使用4个不同尺度的卷积特征层来预测待检测目标.最后在原始图像中用不同颜色的框标出行人以及行人的着装部件类别,从而判定行人是否着装规范.实验证明,相比原始YOLOv5算法,C-YOLOv5方法不仅满足实时性的要求,而且检测的mAP提升了2.3%.同时,融合了深浅层信息的改进方法有效地增强了特征的表征能力,提高了小目标的检测精度.
-
-
张宇杰;
叶西宁
-
-
摘要:
深度卷积神经网络在医学图像分割领域运用广泛,目前的网络改进普遍是引入多尺度融合结构,增加了模型的复杂度,在提升精度的同时降低了训练效率。针对上述问题,提出一种新型的WU-Net肺结节图像分割方法。该方法对U-Net网络进行改进,在原下采样编码通路引入改进的残余连接模块,同时利用新提出的dep模块改进的信息通路完成特征提取和特征融合。实验利用LUNA16的数据集对WU-Net和其他模型进行训练和验证,在以结节为尺度的实验中,Dice系数和交并比分别能达到96.72%、91.78%;在引入10%的负样本后,F;值达到了92.41%,相比UNet3+提高了1.23%;在以肺实质为尺度的实验中,Dice系数和交并比分别达到了83.33%、66.79%,相比RU-Net分别提升了1.35%、2.53%。相比其他模型,WU-Net模型的分割速度最快,比U-Net提升了39.6%。结果显示,WU-Net提升肺结节分割效果的同时加快了模型的训练速度。
-
-
陈蓉;
李翠华
-
-
摘要:
现有的深度超分辨率重建模型,用堆叠多个相同模块的方式获取具有更高精度的重建结果,但未能充分考虑各层特征间的上下文关联信息.提出一种基于非局部多尺度融合的图像超分辨率重建模型.该模型采用3种模块:非局部模块、多尺度融合模块和宽激活残差模块.其中,非局部模块用于获取图像的全局特征,关注目标的核心区域;多尺度融合模块用于融合通道特征,增强特征在空间的上下文关联;宽激活残差模块替代普通残差模块,通过扩充激活层前的卷积层输出特征来提升模型的重建精度.在5个基准数据集上的实验结果表明,该模型取得了较高的重建精度.在图像分割与目标检测任务上,与几种深度超分辨率模型相比,该模型也取得了较好的分割和检测精度.
-
-
孙劲光;
王雪
-
-
摘要:
实例分割的目的是使用像素级实例掩码对单个对象进行分类和定位,是计算机视觉中一项具有挑战性的任务,目前存在分割速度慢、小物体分割精度低、分割边缘不平滑等问题。针对以上问题,提出了基于目标轮廓的实例分割方法,一方面,对物体轮廓上的结点进行特征提取,在不受检测框影响的同时避免了对目标物体内部像素点进行处理,以达到加快分割速度的效果;另一方面,对图像采取渐进式分割处理,多层次地提取物体轮廓上的特征,并配以多尺度融合的特征处理方法,更好地提取上下文语义信息,减少特征丢失。实验结果表明,本文算法在Cityscapes和KINS数据集中平均分割精度分别达到了32.4%AP和32.0%AP,较目前许多优秀工作的分割精度都有所提升,在物体分割边缘的平滑程度以及贴合程度上均有更佳的处理效果。实验证明,基于目标轮廓的实例分割网络在实例分割任务中有较好的分割能力。
-
-
王昊;
李俊峰
-
-
摘要:
针对车载导航导光板表面缺陷像素值分布不均且普遍较小、背景复杂多变等特点,提出了基于改进掩膜区域卷积神经网络(Mask Region-based Convolutional Neural Network,Mask R-CNN)模型检测车载导航导光板表面缺陷的检测方法。首先,引入PinFPN模块改进原有Mask R-CNN的特征融合网络,充分利用高低语义信息构成各级语义、位置信息兼备的共享特征层,提升整体网络的检测精度;其次,通过引入跳层连接结构和SE(Sequence and Excitation)模块对网络的分割分支进行改进,改善了传统Mask R-CNN网络语义信息获取不充分的问题;最后,通过在自建的车载导航导光板数据集上的一系列实验对比,证明了本方法在检测精度和分割上的优势,在自建数据集上的检测准确率达到了95.3%,满足工业检测的要求。
-
-
何鹏元;
马中;
戴新发;
夏静
-
-
摘要:
随着人工智能深度学习的快速发展,目标检测在智能视频监控、无人驾驶、交通管制等方面有着广泛的应用,尽管众多国内外的研究者在目标检测领域有一些突破,但是实际问题中目标的形变、遮挡以及光线变化等都是关键,那么如何设计合理的检测器适应不同的场景,提高模型的泛化能力也将是该领域的研究重点。论文具体场景是针对行人检测,因此在YOLOv3单阶段的目标检测基础上提出了一种用RepVGG替换主干网络的检测模型,该模型网络层数单一,并且采用了重参数化技术,而且在多尺度融合中将3个尺度的融合改成4尺度融合,提高模型的鲁棒性,在很好的拟合GPU的情况下,提高检测的精度和速度。
-
-
王凯;
孙贤明;
任成昊;
胡玉耀;
王文成;
路尧
-
-
摘要:
传统的电能质量扰动识别在提取分类时都是人工手动单一地选择特征,这种方法普遍存在精度低、成本高、泛化能力弱等缺陷。针对目前深度学习在故障识别分类处理中的应用,文中提出一种基于多尺度融合选择卷积网络实现端到端的电能质量扰动识别分类方法。文中通过仿真实现了单一扰动信号和复合扰动信号,将Multi⁃scale目标检测和轻量级模块SKNet算法思路相结合,利用不同卷积核构造多个尺度下不同的特征,将特征融合选择得到新的主要特征量,并用线性分类器进行快速的扰动识别。研究结果表明,与未改进的深度学习识别方法对比,文中方法在特征提取上具有更强的区分空间、更高的识别率和鲁棒性,整体识别率达到99%,可为电能质量扰动识别研究提供一种新的思路。
-
-
李挺;
伊力哈木·亚尔买买提
-
-
摘要:
针对YOLOv4算法在行人检测中精度低,实时性差的问题,提出一种基于YOLOv4的改进算法。首先将MobileNetv2作为主干网络,在减少参数量的同时保证其特征提取能力,同时在MobileNetv2中加入Bottom-up连接,减少浅层信息的丢失;然后在特征融合网络嵌入卷积模块的注意力机制模块(convolutional block attention module,CBAM)注意力机制,增强特征的表现力;最后在分类与回归网络中加入Inception结构,进一步提高检测速度和增加网络复杂度。结果表明:在VOC数据集上,改进算法比原算法检测效果更佳,实时性更好,其精度提高了2.87%,处理速度提升了29.52 FPS;同时在真实场景下构建的数据集上,改进后的算法比YOLOv4精度提高了2.13%,具有较好的鲁棒性。
-
-
杨国亮;
邹俊峰;
李世聪;
温钧林
-
-
摘要:
皮肤病灶图像分割可作为医学相关类疾病辅助诊断的重要依据。针对皮肤病灶区域结构复杂和尺度信息参差错落的特点,提出一种基于U型稠密特征融合的皮肤病灶分割方法。编码器利用稠密网络结构和空洞空间金字塔池化充分提取特征与融合,由稠密空间注意力模块与深度可分离卷积解码深层特征,防止病灶区域周围噪声干扰,同时引入融合压缩注意力模块进一步提高分割性能,通过二值交叉熵与Jaccard系数结合的损失函数优化。在ISBI 2016皮肤病灶数据集进行仿真评估,Jaccard相似度和Dice系数分别达到86.87%和92.98%,有助于提高皮肤病灶诊断效率。
-
-
黄志强;
李军
-
-
摘要:
通过YOLOV3深度神经网络算法可以实现道路交通标志的自动检测与识别,由于YOLOV3运算量较大,很难在小型嵌入式平台上使用,针对这一问题,文中提出了改进型的轻量化YOLOV3-3ctiny神经网络模型。为了融合浅层特征图的空间信息与深层特征图的语义信息,将第19层卷积层通过上采样后与第7层卷积层相连接,多尺度融合后输入YOLO层形成新的特征金字塔,以此提高小目标的识别率。同时,为使网络更加关注交通标志的细节信息,在特征金字塔网络中增添能够增强前景信息降低背景信息的空间通道注意力机制。使用Kmeans聚类算法对数据集作聚类处理,获得一组先验框。在长沙理工大学交通标志数据集上进行测试,实验结果表明,改进后算法的识别率达到91.8%,与YOLOV3-tiny算法相比提高了24.9个百分点,而与YOLOV3算法相比,每张图片的检测时间降低至0.133s,降低了49.6%,该算法具有较强的实时性和准确性。
-
-
李杰;
任竞颖
- 《2009年全国开放式分布与并行计算学术年会》
| 2009年
-
摘要:
提出了一种针对多时相SAR图像变化检测的基于小波变换的多尺度融合检测方法,首先对多时相SAR图像取对数比得到变化比图像,然后对变化比图像进行多尺度小拨变换和低频重构,并对每个尺度的重构图像做自适应闻值变化检测,计算出每个像素的最优分解尺度,最后基于最优尺度完成像素的融合检测,利用像素的最优分解尺度融合多尺度的检测结果性提高变化区域边界像素检测的准确性,通过仿真SAR图像和真实SAR图像的检测实验证明了该方法的有效性.
-
-
Zhang Jian;
张健;
Bian Hongyu;
卞红雨;
Zhang Zhigang;
张志刚
- 《2016苏鲁黑浙四省声学技术学术会议》
| 2016年
-
摘要:
针对声纳图像视野窄,无法一次性反映大体积目标或同时呈现若干目标完整视觉信息的问题,提出一种声纳图像拼接算法.该算法主要步骤分为:声纳图像配准和声纳图像融合.根据声纳图像高噪声和低分辨率的特点,采用FFT图像配准方法配准声纳图像.对于准确配准后的声纳图像,提出一种基于NSCT多尺度分解的声纳图像融合算法.首先,对源图像进行NSCT多尺度分解,得到一系列不同尺度和不同方向上子带分解系数;然后,根据声纳图像特殊性,构建声纳图像融合规则:分别对低频子带采用门限判别法,高频子带计算局部区域对比度指导融合规则,产生融合图像在相应尺度和方向的融合系数.最后,对融合系数进行NSCT多尺度逆变换,生成融合后的拼接图像.通过声纳图像拼接实验验证提出方法有效性.