共查询到20条相似文献，搜索用时 24 毫秒
1.
2.
由于亮度的相似性,带病灶眼底图像的视盘分割通常会受到亮病灶干扰。现有的视盘分割方法对正常的视网膜眼底图像具有较好的分割效果,但是在带病灶的眼底图像中表现不佳。在医学图像数据样本有限的情况下,U-Net网络能实现少样本训练生成较好的分割结果。提出一种将残差结构与U-Net网络融合的视盘分割方法。残差模块的跳跃连接能将浅层特征传递给更深一层网络,实现浅层特征的重复使用,增强了图像细节学习。将该方法在两个公开数据集Messidor和Kaggle上进行验证,在干扰较多的Kaggle数据集上,其AUC和MAP分别达到0.952 1和0.838 8,证明该方法可同时学习图像细节特征和全局结构特征,能更好地区分眼底视盘与亮病灶。 相似文献
3.
为满足人造板表面缺陷图像分割的精度要求,提出了一种改进的UNet 语义分割网络模型。 在传统的UNet 网络结构上将编码部分改进为残差网络ResNet50 并去掉连接层与平均池化层,网络通过残差块堆叠获取更多特征的底层信息;同时在跳跃连接中嵌入聚焦注意力机制的模块,抑制干扰信息,保留有效位置信息,聚焦缺陷区域并加强学习。 对4 种UNet 网络模型的人造板表面缺陷图像分割进行仿真比较,结果表明,融合聚焦注意力机制的残差UNet 网络模型在像素准确率和平均交并比等指标上有较大提升,分割精度较高。 相似文献
4.
为了实现高速公路场景下天气图像的准确识别,文章提出了一种基于语义分割的高速公路天气识别方法,通过设计一种结合语义分割模型提取道路区域特征的方法,构建了基于语义分割的结合道路天气图像全局特征及道路特征的融合网络,实现对高速公路的天气识别。在道路预处理阶段,应用具有密集连接结构的多尺度特征提取模块DASPP到Deep Labv3+网络,增大模型在不同尺度特征上的分辨率密集程度和特征图在不同维度的感受野,进而有效改善道路提取的效果。在特征提取阶段,基于引入深度可分离卷积层的Xception网络,设计了天气特征提取网络WFCN,分别提取输入图像和道路区域图像的全局天气特征和道路天气特征并进行融合分类,有效降低模型参数量和运算量,并增强模型的性能。在构建的高速公路数据集上,对设计的算法分别进行了消融实验和对比实验,实验结果证明了该算法的有效性及相比现有天气识别算法的优越性。 相似文献
5.
提出了一种基于多尺度特征注意网络的遥感图像语义分割方法,用于精确的像素级分割问题。通过利用由Transformer主干网络的不同层提取的多尺度特征,设计了一个双向聚合特征金字塔网络来捕获长距离依赖关系和细粒度细节。在网络结构中并行加入一个通道注意分支,从通道维度进行注意力增强以提高分割准确性。通过在两个高分辨率遥感数据集上的实验证明了该方法的有效性,实验结果优于其他分割方法。 相似文献
6.
《西安文理学院学报》2020,(3)
针对道路交通标志背景复杂多变、现有模型鲁棒性不高以及检测识别过程分步的问题,提出基于感兴趣区域(ROI)提取和卷积神经网络(CNN)相结合的端到端方法.为了突出交通图像中的感兴趣区域,应用MSER方法对原始图像进行颜色增强;应用分割技术生成不同尺度的感兴趣区域(ROI),进一步采用LeNet-5基础模型进行特征提取及区域框标记.为了解决在有限GTSRB数据集上出现的过拟合和网络鲁棒性不强的问题,结构中增加BN层;针对在训练中存在的损失震荡、损失过大等问题,提出使用Adam算法及提前停止的理念,加速了网络训练,稳定降低了损失,提高了识别精度,得到了较高的准确率. 相似文献
7.
8.
针对语义分割中不同尺度特征融合导致的特征错位问题,提出了一种用于不同尺度语义特征融合的上采样方法。首先,将不同尺度特征图初步融合,将得到的语义信息作为低分辨率特征图进行上采样的位置参照;随后,将低分辨率特征图上采样后,再与高分辨率特征图进行融合。针对神经网络中语义学习模块对语义特征信息学习不充分的问题,提出了一种多方位注意力机制(multi-directional attention mechanism, MAM),从空间、通道和类别3个方位学习语义信息。根据上述2个方面的创新,提出了用于服装图像分割的网络——FMNet,并选取、划分服装数据集DeepFashion2作为训练、验证和测试的数据集。实验结果表明,所提FMNet的平均交并比(mean intersection over union, mIoU)相较于OCRNet提高了2%,相较于DeepLabv3+和PSPNet分别提高了5%和10%。 相似文献
9.
为实现对超声图像病灶的分割并提高目标分割精度,提出一种残差结构的深层尺度融合的分割网络模型RDFA-Net。使用改进的网络模型并使用可变形卷积来增大采样范围,使用通道和空间注意力机制捕获特征,融入深层尺度特征进行融合以捕获深层次图像特征,成功将视网膜脱落病灶的超声图片进行分割,并有了更好的分割结果。使用合作医院提供的眼底超声图像作为数据自制分割数据集来评价RDFA-Net。通过实验结果对比显示,RDFA-Net是有效的,可以对视网膜脱落进行图像分割,并实现了较好的分割精度。 相似文献
10.
11.
卷积神经网络在图像语义分割与边缘提取中得到广泛研究,但是在实际应用中存在传统识别器无法抹除域间差异所产生的误差问题。研究针对鉴别器网络性能对整体图像分割存在结果权重较高的问题,提出基于空洞卷积的域识别网络,并将其应用于图像边缘提取中。结果表明,所提出的模型可以在不增加额外训练参数的前提下明显增大感受视野,有效地提升图像分割与边缘提取性能,在GTA5与SYNTHINA公开数据上mIoU分别为44.1%和44.9%。 相似文献
12.
在使用深度学习技术处理三角网格等三维数据时,如果网络不具备感知数据位置、朝向、尺寸等几何属性差异的能力,可能导致模型泛化能力不足、准确率偏低的后果。为解决该问题,在变换网络T-Net的基础上,提出名为几何差异感知(geometric difference perception, GDP)的网络模块。其核心思想是通过多样化的样本训练,学习到一个变换矩阵,对高维特征进行规范化。通过以牙齿网格分割为任务的多项实验表明,GDP能够有效应对三维数据的几何差异问题,避免其对模型性能造成的不良影响,对于网格分割等三维任务性能的提升具有重要意义。 相似文献
13.
14.
为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。 相似文献
15.
16.
田间除草技术在农业生产中具有重要意义。针对复杂背景下农作物与杂草识别率低、算法鲁棒性差等问题,提出一种图像分割网络 Res-Unet。该网络为 unet 网络的改进版本,采用 resnet50 网络代替 unet 主干网络,解决复杂背景下农作物与杂草区域提取困难、小植株检测效果差、分割边缘震荡、变形问题。将图像的平均交并比、准确率、训练时长作为评价指标进行实验。结果表明：使用 Res-Unet 模型的平均交并比为 82.25%,平均像素准确率为 98.67%。改进的 Res-Unet 模型相对于 Unet 平均交并比高出 4.74%,相较于 segnet 平均交并比高出 10.68%,训练时间减少 3 小时。该方法对复杂背景下甜菜杂草检测效果良好,可为机器人精确除草提供参考。 相似文献
17.
随着网络招聘的普及,求职者需要浏览和筛选的数据越来越多,如何从大量的、非结构化的网络信息中快速而准确地抽取需要的信息非常重要。基于VIPS视觉分割算法,利用网页所呈现出来的布局结构和视觉特征,对招聘页面进行视觉分割处理,在页面分割的基础上,抽取特定块内的文本信息,实现了关键词查找抽取感兴趣的视觉块内信息。实验结果表明,基于VIPS的职位信息抽取技术能够有效抽取出招聘页面内重要的文本信息,优化了信息抽取结果。 相似文献
18.
将高分辨率遥感图像进行像素级海陆分割是遥感应用领域的一项基础性工作,对海岸线提取和海洋近岸目标检测具有重要意义,但传统阈值方法往往由于高分辨率遥感图像覆盖范围广、地物纹理复杂等特点而难以取得预期效果。为了提升高分辨率遥感影像海陆分割精度,改善传统阈值方法的不足,基于深度神经网络模型利用编码器—解码器架构,并在编码层中引入残差块,以更好地对特征图进行高级语义信息提取,通过解码层将编码层生成的特征图还原成与输入尺寸相同的特征图,最后通过Sigmoid层对图像进行像素级海陆分割。在高分辨率遥感图像数据集上的实验结果表明,该网络模型取得良好了分割效果,准确率和Kappa系数分别达到了94.3%和93.7%。与传统方法相比,海陆分割精确度得到了有效提升。 相似文献
19.
为了改善传统基于聚类的图像分割算法对噪声敏感以及仅使用单一特征无法精确描述目标特性等问题,提出了一种基于区域的多特征图像分割算法。首先,使用 Meanshift 算法对原图像进行预分割,获得一组区域块;其次,提取每个区域块的颜色特征和纹理特征,使用 FCM 算法分别对每个特征进行聚类,针对每个特征获得一个类标签邻接矩阵;再次,将多个邻接矩阵叠加,形成多特征邻接矩阵;最后,使用 NCUT 算法对叠加邻矩阵进行聚类,获得最终分割图像。实验结果表明,基于区域多特征的分割算法优于对比算法,融合多特征对图像分割可以更准确地识别不同的目标结构,具有更好的分割效果。 相似文献
20.
深度学习已被广泛运用于图像分割领域,将其用于农业方面,能有效地将幼苗和杂草的位置准确定位,降低除草剂的使用,避免不必要的生产成本和环境污染.提出了一种基于UNet网络的实时分割方法,以UNet为主干网络,提取多尺度信息融合,在模型末端添加双注意力模块,考虑图像像素位置之间的依赖关系与不同通道间的信息联系,对RGB图像中... 相似文献