基于残差单元与注意力门的非对称编解码海杂波抑制网络

1

作者 陈胜垚 胡晨康 +2 位作者 程智勇 席峰 刘中 《电子学报》 EI CAS CSCD 北大核心 2024年第8期2628-2640,共13页

针对非均匀海杂波环境下弱小目标检测困难的问题,本文基于复值残差单元和注意力门机制,提出一种用于海杂波抑制的非对称编解码网络(Asymmetric Encoder-Decoder Network,AED-Net).该网络以雷达回波经匹配滤波后得到的复值信号为输入,利... 针对非均匀海杂波环境下弱小目标检测困难的问题,本文基于复值残差单元和注意力门机制,提出一种用于海杂波抑制的非对称编解码网络(Asymmetric Encoder-Decoder Network,AED-Net).该网络以雷达回波经匹配滤波后得到的复值信号为输入,利用复值残差单元取代常规卷积单元进行弱小目标和海杂波特征的提取,增强网络特征提取能力的同时避免特征信息退化.然后采用注意力门模块将编码路径各模块提取的特征信息分别送入到解码路径对应的模块.最终输出海杂波抑制后的复值信号.由于各注意力门的输入和输出维度可根据网络结构自主选择,该网络设计是一种非对称编解码结构.与典型对称编解码网络UNet相比,复值残差单元与注意力门的引入显著降低了特征信息的冗余度,增强特征信息的提取与传递,提升了海杂波抑制性能.与此同时,复值残差单元的参数规模远小于卷积单元,而注意力门的引入也有效减少解码路径单元的数量,整个网络的参数规模显著减小.基于海杂波实测数据的实验结果表明,与典型复值UNet(Complex Value-UNet,CV-UNet)网络相比,AED-Net的输出信杂比平均提升9 dB,有效工作的最低信杂比降低了3 dB,模型参数量和计算量分别减少57.8%、50%. 展开更多

关键词 海杂波抑制 编解码网络 残差结构 注意力门 复值信号

在线阅读 下载PDF 职称材料

MRI序列以及注意力门、残差网络对U-Net脑肿瘤分割模型的影响 被引量：1

2

作者 张巨 朱文珍 +3 位作者 张顺 朱虹全 吴迪 刘栋 《放射学实践》 CSCD 北大核心 2023年第7期825-829,共5页

目的:探讨MRI序列选择以及注意力门、残差网络对U-Net脑肿瘤分割模型准确性的影响。方法:使用BraTS 2021的脑肿瘤病例1251例,排除经裁剪后缺乏肿瘤图像特征的病例,以7:2:1的比例分为训练组、验证组和测试组,使用7种不同序列组合(所使用... 目的:探讨MRI序列选择以及注意力门、残差网络对U-Net脑肿瘤分割模型准确性的影响。方法:使用BraTS 2021的脑肿瘤病例1251例,排除经裁剪后缺乏肿瘤图像特征的病例,以7:2:1的比例分为训练组、验证组和测试组,使用7种不同序列组合(所使用序列包括T_(1)WI、T_(2)WI、T_(2)FLAIR、T_(1)增强)训练U-Net模型,使用Friedman检验和成对比较(经Bonferroni校正法调整显著性值)对比测试集的Dice系数。使用4通道图像以相同方法对比基线U-Net、注意力U-Net、残差U-Net以及注意力残差U-Net对脑肿瘤分割的准确性。结果:在分割肿瘤强化区域、核心区域时,无T_(1)增强序列的3通道组的Dice系数显著低于其他组;在分割全肿瘤时,无T_(2)及T_(2)FLAIR的2通道组的Dice系数显著低于其他组,无T_(2)FLAIR的3通道组显著低于剩余其他组,4通道组及无T_(1)的3通道组显著高于其他组,余组间差异无统计学意义。4种U-Net模型仅在分割全肿瘤时存在显著差异,在进一步的成对比较中差异无统计学意义。结论:MRI序列对U-Net分割表现的影响可能与标注方式、该序列所包含的特征信息等有关。本研究中:单独剔除T_(1)序列对U-Net模型无显著影响;与注意力门相比,残差网络可能一定程度提高了U-Net模型的分割准确度。 展开更多

关键词 图像分割 注意力门 残差网络 脑肿瘤

在线阅读 下载PDF 职称材料

融合多尺度门控卷积和窗口注意力的结肠息肉分割 被引量：1

3

作者 汪鹏程 张波涛 顾进广 《计算机系统应用》 2024年第6期70-80,共11页

结肠息肉的准确分割对于切除异常组织和降低息肉转换为结肠癌的风险具有重要意义.目前的结肠息肉分割模型在对息肉图像进行分割时存在着较高的误判率和分割精度较低的问题.为了实现对息肉图像的精准分割,提出了一种融合多尺度门控卷积... 结肠息肉的准确分割对于切除异常组织和降低息肉转换为结肠癌的风险具有重要意义.目前的结肠息肉分割模型在对息肉图像进行分割时存在着较高的误判率和分割精度较低的问题.为了实现对息肉图像的精准分割,提出了一种融合多尺度门控卷积和窗口注意力的结肠息肉分割模型(MGW-Net).首先,设计一种改进的多尺度门控卷积块(MGCM)取代U-Net的卷积块,来实现对结肠息肉图像信息的充分提取.其次,为了减少跳跃连接处的信息损失并充分利用网络底部信息,结合改进的空洞卷积和混合增强的残差窗口注意力构建了多信息融合增强模块(MFEM),以优化跳跃连接处的特征融合.在CVC-ClinicDB和Kvasir-SEG数据集上的实验结果表明,MGW-Net的相似性系数分别为93.8%和92.7%,平均交并比分别为89.4%和87.9%,在CVC-ColonDB、CVC-300和ETIS数据集上的实验结果表明其拥有较强的泛化性能,从而验证了MGW-Net可以有效地提高对结肠息肉分割的准确性和鲁棒性. 展开更多

关键词 医学图像分割 结肠息肉图像 U-Net 注意力门 窗口注意力

在线阅读 下载PDF 职称材料

基于U型注意力门自编码器的色织物缺陷检测方法

4

作者 张玥 王世豪 +2 位作者 李英健 刘帅波 张宏伟 《光电子．激光》 CAS CSCD 北大核心 2024年第8期851-860,共10页

针对现有的基于自编码器和生成对抗网络的无监督深度学习算法在色织物缺陷检测任务中,存在普适性差、漏检率和误检率偏高等问题,提出一种U型注意力门自编码器(U-shaped attention gate auto-encoder, UAGAE)的色织物缺陷检测算法。首先... 针对现有的基于自编码器和生成对抗网络的无监督深度学习算法在色织物缺陷检测任务中,存在普适性差、漏检率和误检率偏高等问题,提出一种U型注意力门自编码器(U-shaped attention gate auto-encoder, UAGAE)的色织物缺陷检测算法。首先,采用轻量化网络EfficientNet-B6作为特征提取模块来获取输入图像更具代表性的特征,通过引入注意力门(attention gate, AG)机制来抑制无关区域的特征响应,以解码器的特征作为参考剔除跳跃连接中的冗余信息来辅助图像重构;然后,在训练阶段使用组合的损失函数保证重构图像的结构和细节;最后,在检测阶段通过自适应阈值分割和数学形态学处理获得最终检测结果。所提算法在公共数据集YDFID-1上实现了53.45%的准确率(precision,P)、61.58%的召回率(recall,R)、53.63%的分数(F1-measure,F1)和40.83%的平均交并比(intersection over union,IoU),在14个花型上实现了最佳的F1和IoU。对比实验结果表明,UAGAE算法相较于其他几种缺陷检测算法能够更好地完成色织物的缺陷检测与定位。 展开更多

关键词 无监督深度学习 缺陷检测 注意力门(AG)机制 轻量化网络 图像重构 自适应阈值分割

原文传递

基于循环门单元和注意力机制的学生学习积极性预测模型 被引量：1

5

作者 李崇照 王法玉 《天津理工大学学报》 2022年第2期14-19,共6页

为了挖掘校园无线网络数据中蕴含的学生行为,更好地辅助教学管理,本文提出了基于循环门单元和注意力机制(gated recurrent unit-attention,GRU-Attention)的学生学习积极性预测模型。首先对采集到的学生行为轨迹数据进行预处理和聚类分... 为了挖掘校园无线网络数据中蕴含的学生行为,更好地辅助教学管理,本文提出了基于循环门单元和注意力机制(gated recurrent unit-attention,GRU-Attention)的学生学习积极性预测模型。首先对采集到的学生行为轨迹数据进行预处理和聚类分析,根据学生在校园各个场所的平均逗留时间对学习积极性做出预判断。然后根据无线流量的连接频率及用途对学生行为特征数据进行二次判断,并引入学生学习成绩作为参考标准。最后将数据集输入到GRU信息提取层,并在Attention层进行加权处理,计算得出概率分布。实验结果表明,GRU-Attention模型准确度优于其他常见预测模型,可以更好地帮助辅导员去管理和引导学生树立良好的学习态度。 展开更多

关键词 无线网络 聚类分析 学生行为特征 基于循环门单元和注意力机制(gated recurrent unit-attention GRU-Attention)模型 学习积极性预测

在线阅读 下载PDF 职称材料

基于自注意力机制优化的AtG-DeepLab V3+内窥图像增强算法 被引量：2

6

作者 陈家俊 李开祥 +3 位作者 李仁剑 邵春蕾 李贵叶 陈玲玲 《光子学报》 EI CAS CSCD 北大核心 2023年第8期183-193,共11页

基于自注意力机制和DeepLab V3+网络联合构建了AtG-DeepLab V3+开源算法进行内窥图像增强处理,并采集测试靶和生物组织图像进行训练和测试。实现了内窥成像畸变和蜂窝状栅格结构的同时去除并能高清还原更多图像细节,对比现有的内窥图像... 基于自注意力机制和DeepLab V3+网络联合构建了AtG-DeepLab V3+开源算法进行内窥图像增强处理,并采集测试靶和生物组织图像进行训练和测试。实现了内窥成像畸变和蜂窝状栅格结构的同时去除并能高清还原更多图像细节,对比现有的内窥图像重建网络U2-Net、Attention U-net和GARNN等算法,在峰值信噪比(提升66.4%,51.9%,154.6%)、结构相似度(提升55.6%,45.9%,231.5%)等量化指标上均实现了较大幅度的提高。该算法为光学内窥图像处理提供了一个新的高效处理方案。 展开更多

关键词 内窥图像 深度学习 图像增强 注意力门 神经网络

在线阅读 下载PDF 职称材料

SAG-Net:用于联合视盘和视杯分割的新型跳过注意力指导网络 被引量：1

7

作者 蒋芸 高静 王发林 《计算机工程与科学》 CSCD 北大核心 2021年第7期1273-1282,共10页

学习特征图语义信息和位置信息对于在视网膜图像分割中产生理想的结果至关重要。最近,卷积神经网络在提取特征图有效信息方面已经表现出了强大的能力,然而,卷积和池化操作会过滤掉一些有用的信息。提出了一种新型跳过注意力指导网络SAG-... 学习特征图语义信息和位置信息对于在视网膜图像分割中产生理想的结果至关重要。最近,卷积神经网络在提取特征图有效信息方面已经表现出了强大的能力,然而,卷积和池化操作会过滤掉一些有用的信息。提出了一种新型跳过注意力指导网络SAG-Net来保存特征图语义和位置信息并指导扩展工作。在SAG-Net中,首先引入了跳过注意力门SAtt模块,将其用作敏感的扩展路径来传递先前特征图的语义信息和位置信息,不仅有助于消除噪声,还进一步减小了背景的负面影响。其次,通过合并图像金字塔保留上下文特征来进一步优化SAG-Net。在Drishti-GS1数据集上,联合视盘和视杯分割任务表明了SAG-Net的有效性。综合结果表明,SAG-Net优于原始的U-Net方法以及其他用于视盘和视杯分割的最新的方法。 展开更多

关键词 卷积神经网络 图像分割 跳过注意力门 扩展路径

在线阅读 下载PDF 职称材料

改进UNet++的瓷器文物显微气泡分割

8

作者 刘阳洋 耿国华 +2 位作者 刘鑫达 李展 路正涵 《西北大学学报(自然科学版)》 北大核心 2025年第1期129-138,共10页

对瓷器文物显微气泡的分割,可以更加清晰地观察瓷器表面微观气泡的形态、数量以及分布规律,进而辅助文物专家进行瓷器碎片分类和文物鉴定等工作。但瓷器显微图像中气泡复杂多变,大小及分布不均匀,现有图像分割方法难以适应瓷器显微气泡... 对瓷器文物显微气泡的分割,可以更加清晰地观察瓷器表面微观气泡的形态、数量以及分布规律,进而辅助文物专家进行瓷器碎片分类和文物鉴定等工作。但瓷器显微图像中气泡复杂多变,大小及分布不均匀,现有图像分割方法难以适应瓷器显微气泡特征。因此,该文提出一种基于卷积激活单元的网络AGUNet++,该网络重新设计密集跳跃连接,节点间采用Z字形连接方式,充分提取图像语义特征,防止信息丢失;同时,在卷积单元的密集跳跃连接处,结合注意力门控模块Attention Gate提出卷积激活单元CAU,增强与瓷器文物显微气泡分割任务相关的气泡区域学习,抑制不相关的区域;在训练过程中对每一层子网络的输出采用深度监督和交叉熵损失,有效增强瓷器文物显微气泡特征提取能力,细化分割结果。该方法在SD-saliency-900以及PRMI数据集上的实验结果表明,与经典图像分割网络相比,AGUNet++在MIoU、Precision、Recall和F1分数中均有一定的提升,表现出更好的分割效果。 展开更多

关键词 瓷器文物显微图像 显微图像分割 UNet++ 注意力门

在线阅读 下载PDF 职称材料

基于改进SAGGAN模型的齿轮故障分类方法研究

9

作者 刘洋 但斌斌 +2 位作者 易灿灿 严旭果 薛家成 《机电工程》 CAS 北大核心 2024年第12期2185-2194,共10页

针对齿轮故障样本获取困难,导致深度学习驱动故障分类模型的可靠性和准确性不足这一问题,提出了一种基于改进自注意力门单元生成对抗网络(SAGGAN)的半监督齿轮故障分类模型。首先,为增强改进SAGGAN模型的特征表示能力,提升齿轮故障的半... 针对齿轮故障样本获取困难,导致深度学习驱动故障分类模型的可靠性和准确性不足这一问题,提出了一种基于改进自注意力门单元生成对抗网络(SAGGAN)的半监督齿轮故障分类模型。首先,为增强改进SAGGAN模型的特征表示能力,提升齿轮故障的半监督分类效果,在自注意力生成对抗网络(SAGAN)的基础上,引入了门控通道转换模块(GCT)、改进自注意力门控模块(SAG)和预训练的Inception V3分支;然后,使用齿轮故障实验装置采集齿轮断齿、磨损、周节误差和正常四种状态下的振动信号,并将数据划分为训练集、验证集与测试集;最后,将计算结果与现有的半监督分类方法:TripleGAN、Bad-GAN、Reg-GAN、SF-GAN进行了对比,并对改进模块进行了消融实验研究。研究结果表明:在标签样本为40、60、80、100时,改进SAGGAN模型的整体分类准确率分别为89%、90%、92%、94.25%,远高于其他四种方法,特别在只有少量标签样本情况下的优越性更为明显。以上结果揭示了改进的SAGGAN模型在齿轮故障分类领域中的实用性和优越性。 展开更多

关键词 齿轮故障 模式分类 自注意力门单元生成对抗网络 半监督学习 自注意力生成对抗网络 门控通道转换模块 自注意力门控模块

在线阅读 下载PDF 职称材料

基于多分辨率注意密集网络的肺炎分类识别方法 被引量：1

10

作者 周涛 叶鑫宇 +2 位作者 陆惠玲 常晓玉 刘赟璨 《模式识别与人工智能》 EI CSCD 北大核心 2023年第6期544-555,共12页

X光片中肺炎存在影像学特征不明显、病灶与周围组织对比不明显、边缘模糊等问题,因此,文中提出基于多分辨率注意密集网络的肺炎分类识别方法.深度融合浅层定位信息与深层语义信息,并构造多分辨率空间注意力门,对不同分辨率的深层信息与... X光片中肺炎存在影像学特征不明显、病灶与周围组织对比不明显、边缘模糊等问题,因此,文中提出基于多分辨率注意密集网络的肺炎分类识别方法.深度融合浅层定位信息与深层语义信息,并构造多分辨率空间注意力门,对不同分辨率的深层信息与浅层信息进行语义式交互增强,在深浅层信息中建立病灶信息的相互依赖关系.此外,设计坐标频率注意力,以方向和位置互补的方式自适应地增强肺炎特征的表达.在ChestXRay2017等5份肺炎X光片数据集上的实验表明,文中网络在肺炎分类识别任务上性能较优,同时还具有公共肺炎数据集上的鲁棒性. 展开更多

关键词 肺炎识别 多分辨率密集连接 空间注意力门 坐标频率注意力

在线阅读 下载PDF 职称材料

基于U-NET的双分支海上SAR溢油检测模型

11

作者 盛辉 曹文俊 +3 位作者 刘善伟 王大伟 杨俊芳 张杰 《海洋科学》 CAS CSCD 北大核心 2024年第7期1-10,共10页

为提高海上溢油SAR(Synthetic Aperture Radar)检测的准确率,本文提出一种基于U-NET和注意力门的海上溢油SAR检测模型(AW-net),该模型将U-NET中传统的单输入编码器替换为双分支编码器,分别输入纹理特征和SAR灰度特征,并进一步采用注意... 为提高海上溢油SAR(Synthetic Aperture Radar)检测的准确率,本文提出一种基于U-NET和注意力门的海上溢油SAR检测模型(AW-net),该模型将U-NET中传统的单输入编码器替换为双分支编码器,分别输入纹理特征和SAR灰度特征,并进一步采用注意力门融合纹理信息和灰度信息。实验利用1景海丝一号(HISEA-1)SAR数据构建样本训练集进行AW-net模型训练,分别应用1景HISEA-1 SAR数据和1景Radarsat-2SAR数据开展模型测试,溢油检测准确率均优于U-NET、AttentionU-NET和FCN等语义分割模型,说明该模型具有较强的强鲁棒性和应用潜力。 展开更多

关键词 溢油检测 SAR U-NET 注意力门 双分支编码器

在线阅读 下载PDF 职称材料

基于改进UNet网络的衬砌背后空洞识别方法研究

12

作者 凌同华 龙斌 +2 位作者 张亮 张胜 江浩 《地下空间与工程学报》 CSCD 北大核心 2024年第S2期757-766,773,共11页

传统图像处理算法在定位衬砌背后的空洞时,往往受到复杂环境因素的干扰,从而降低分割的准确率。为提升分割准确率,对UNet网络模型增加注意力门结构进行改进研究,并与其他主流分割网络进行对比实验。开展空洞的探地雷达二维正演模拟、模... 传统图像处理算法在定位衬砌背后的空洞时,往往受到复杂环境因素的干扰,从而降低分割的准确率。为提升分割准确率,对UNet网络模型增加注意力门结构进行改进研究,并与其他主流分割网络进行对比实验。开展空洞的探地雷达二维正演模拟、模型试验和衬砌现场检测工作,为改进UNet网络提供数据支撑。结果表明:在衬砌背后空洞数据集上经过100轮训练后,改进后的AGS-UNet网络相比改进前在准确率(CPA)、交并比(Iou)和平均交并比(MIou)3个评价指标上均提高了3%左右。证明了改进后的AGS-UNet网络能够提高衬砌背后空洞图像分割的精确度,是一种有效的改进网络模型。 展开更多

关键词 空洞分割 注意力门结构 UNet网络改进 正演模拟 模型试验

在线阅读 下载PDF 职称材料

结合深度学习的糖尿病视网膜病变血管分割和重建

13

作者 许诗怡 陈明惠 +4 位作者 邵怡 秦楷博 吴玉全 尹志杰 杨政奇 《中国医学物理学杂志》 CSCD 2024年第10期1256-1264,共9页

为了助于早期诊断糖尿病性视网膜病变,提出结合视网膜血管分割与三维重建的方法。三维重建可以避免分割后血管长度、曲度和分支角度等信息误判影响早期诊断。提出IAAnet算法进行视网膜图像分割,将传统Unet网络与Inception V3、ASPP、Att... 为了助于早期诊断糖尿病性视网膜病变,提出结合视网膜血管分割与三维重建的方法。三维重建可以避免分割后血管长度、曲度和分支角度等信息误判影响早期诊断。提出IAAnet算法进行视网膜图像分割,将传统Unet网络与Inception V3、ASPP、AttentionGates相结合,较好地减少信息损失并避免过拟合的现象,提高网络对特征的提取能力。运用投影重建法来还原血管三维信息,并支持调节亮度、对比度,使医生更好地观察血管的真实状态。本文算法在准确率、召回率、F1分数、交并比、ROC曲线下面积上的结果分别是97.68%、96.07%、97.26%、92.79%、94.00%,通过与其他网络对比,IAAnet算法具有良好的分割准确性,三维投影重建后能在三维图像上获取更丰富的血管信息为早期诊断提供帮助。 展开更多

关键词 深度学习 糖尿病性视网膜病变 Inception V3 注意力门 空洞金字塔池化 三维投影重建

在线阅读 下载PDF 职称材料

基于改进U⁃Net和跨模态自蒸馏的医学图像融合

14

作者 刘势杰 王丽芳 郁晓庆 《测试技术学报》 2024年第6期686-694,共9页

针对医学图像融合方法中存在融合图像信息完整性丢失和跨模态特征提取不足的问题,提出了一种基于改进U-Net和跨模态自蒸馏的医学图像融合方法。该方法改进了U-Net的编码部分,设计了一个双分支编码器,它结合了CNN和Transformer的优势,能... 针对医学图像融合方法中存在融合图像信息完整性丢失和跨模态特征提取不足的问题,提出了一种基于改进U-Net和跨模态自蒸馏的医学图像融合方法。该方法改进了U-Net的编码部分,设计了一个双分支编码器,它结合了CNN和Transformer的优势,能够更有效地捕捉和保留医学图像的局部特征和全局特征,解决了信息完整性丢失的问题。采用跨模态自蒸馏技术,在两幅医学图像的CNN分支之间、Trans⁃former分支之间进行信息传递,加强不同模态特征之间的交互,最大程度地获取跨模态特征。在解码阶段,提出注意力门机制代替U-Net中的跳跃连接,保证网络能够有效关注关键特征,进一步增强了融合图像的信息完整性。实验结果表明,相较于其他方法,该方法得到的融合图像不仅保留了更完整的纹理细节和边缘信息,而且有效地解决了跨模态特征提取不足的问题。 展开更多

关键词 医学图像融合 U-Net 跨模态自蒸馏 跨模态特征 注意力门

在线阅读 下载PDF 职称材料

多策略融合的肺结节检测模型与算法

15

作者 马巧梅 梁昊然 +1 位作者 王明俊 程鑫 《微电子学与计算机》 2021年第6期38-44,共7页

肺结节早期检测可以提高病人的生存率,自动检测算法可以有效辅助医生进行诊断.为了提高肺结节检测精确度、降低漏诊率,提出了基于循环残差注意力门机制的U-Net(Recurrent Residual Attention Gate U-Net,R2AGU-Net)肺结节检测模型.首先... 肺结节早期检测可以提高病人的生存率,自动检测算法可以有效辅助医生进行诊断.为了提高肺结节检测精确度、降低漏诊率,提出了基于循环残差注意力门机制的U-Net(Recurrent Residual Attention Gate U-Net,R2AGU-Net)肺结节检测模型.首先在原始的U-Net基础上改进,添加循环残差卷积模块并融合注意力门机制,在增强特征提取性能的同时将注意力放在目标结节区域,通过抑制无关的特征响应获得较高的检测精度;其次改进损失函数解决肺结节图像数据不均衡问题,获得较高的检测敏感度;最后通过三维卷积神经网络(3D CNN)分类候选结节,降低检测的假阳性.在两个数据集上进行实验验证,结果表明本文提出的算法提升了检测速度和敏感度,取得了比现有算法更好的性能,具有较好的泛化能力。 展开更多

关键词 计算机辅助诊断 肺结节 循环残差 U-Net 注意力门机制

在线阅读 下载PDF 职称材料

基于改进LSTM的儿童语音情感识别模型 被引量：11

16

作者 余莉萍 梁镇麟 梁瑞宇 《计算机工程》 CAS CSCD 北大核心 2020年第6期40-49,共10页

为实现不同儿童情感需求状态下帧级语音特征的有效获取,建立一种基于改进长短时记忆(LSTM)网络的儿童语音情感识别模型。采用帧级语音特征代替传统统计特征以保留原始语音中的时序关系,通过引入注意力机制将传统遗忘门和输入门转换为注... 为实现不同儿童情感需求状态下帧级语音特征的有效获取,建立一种基于改进长短时记忆(LSTM)网络的儿童语音情感识别模型。采用帧级语音特征代替传统统计特征以保留原始语音中的时序关系,通过引入注意力机制将传统遗忘门和输入门转换为注意力门,并根据自定义的深度策略计算得到深度注意力门,从而提高语音情感识别性能。实验结果表明,在Fau Aibo儿童情感数据语料库及婴儿哭声情感需求数据库上,该模型在召回率和F1分数上相比基于传统LSTM的识别模型分别提高了3.14%、5.50%和1.84%、5.49%,在CASIA中文情感数据库上,其相比基于传统LSTM和GRU的识别模型训练时间更短、儿童语音情感识别率更高。 展开更多

关键词 儿童情感 时序关系 帧级语音特征 深度注意力门 长短时记忆网络

在线阅读 下载PDF 职称材料

新型架构下的密集网络在肺部影像的分割研究 被引量：1

17

作者 陈亮 高文根 +1 位作者 张晨 陈东 《重庆工商大学学报（自然科学版）》 2023年第6期53-60,共8页

在医学图像分割领域中,肺实质的分割对肺结节检测有着至关重要的作用,在考虑到模型参数量的情况下追求更高的精度一直是研究热点之一;为此提出了新的三层密集卷积神经网络DA-UNet,首先用密集卷积模块代替在传统U-Net使用的普通3×3... 在医学图像分割领域中,肺实质的分割对肺结节检测有着至关重要的作用,在考虑到模型参数量的情况下追求更高的精度一直是研究热点之一;为此提出了新的三层密集卷积神经网络DA-UNet,首先用密集卷积模块代替在传统U-Net使用的普通3×3卷积,利用密集卷积特征重用特点,加强了网络的特征提取能力。再者在没有太过影响分割网络精确度的前提下加以修剪,减少了上下采样次数,减少不必要的算力消耗。此外,使用了注意力门(Attention gate),加强了跳跃连接中高底层信息融合效果,并且使用空洞空间金字塔池化(Atrous spatial pyramid pooling),模型加入了不同尺度的特征信息,进一步加强图像中任务相关的区域特征,有效减小噪声干扰,提高网络分割精度。通过实验证明:三次上下采样改进模型的参数量只有传统四次上下采样的75.2%左右,但是分割效果没有太大的影响,用LUNA竞赛肺部影像数据集进行了分割验证,实验结果在测试集上的准确率达到了0.991,而IoU则为0.961,比起传统U-Net的评价指标IoU提升了2.9%;在泛化实验的肝脏图像中,DA-UNet的IoU稳定在0.929左右,而U-Net稳定在0.838左右。这些结果证明了改进的U-Net有更佳的分割效果。 展开更多

关键词 U-Net 密集网络 肺实质分割 空洞空间金字塔池化 注意力门 DA-UNet 评价指标

在线阅读 下载PDF 职称材料

多尺度特征融合的头影标志点检测 被引量：1

18

作者 任家豪 张光华 +1 位作者 乔钢柱 武秀萍 《计算机工程》 CAS CSCD 北大核心 2023年第3期271-279,共9页

头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利... 头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利用改进的倒残差模块减少下采样过程中的特征损失。在解码器模块中引入从粗到细的中间监督,将得到的多个尺度热图与特征图进行融合,并在跳跃连接中使用注意力门,有效抑制特征图中的背景区域响应。在ISBI 2015 Grand Challenge提供的基准数据集Test 1上进行实验,结果表明,该模型的平均径向误差为1.14 mm,在临床可接受的误差范围2 mm与2.5 mm内的成功检测率分别为86.38%与92.10%,性能优于W-Net、IW-Net等模型。 展开更多

关键词 标志点检测 多尺度特征融合 倒残差结构 注意力门 热图回归

在线阅读 下载PDF 职称材料

基于RAU-net的视网膜OCT图像快速自动分层研究 被引量：1

19

作者 曾兴晖 许祥丛 +3 位作者 李晓 王茗祎 钟俊平 熊红莲 《华南师范大学学报（自然科学版）》 CAS 北大核心 2021年第2期1-6,共6页

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块... 利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消失和梯度爆炸问题,注意力门结构突出了模型对视网膜图像重要特征的学习.由模型预测后得到的分割结果获取9条边界的感兴趣区域,然后运用图像搜索对分层图像进行边界优化,得到精确的视网膜分层图像.结果表明:该RAU-net算法与手动分层的误差约为1像素,且完成1帧OCT视网膜图像的分层只需要4 s.通过RAU-net与图像搜索相结合的方法为视网膜疾病的临床诊断和治疗提供了快速准确的定量分析方法. 展开更多

关键词 视网膜层分割 残差块 注意力门 U-net 图像搜索

在线阅读 下载PDF 职称材料

一种针对膝关节CT图像分割的卷积神经网络 被引量：1

20

作者 吴江平 郑馨 《现代电子技术》 2022年第18期133-137,共5页

针对现有的膝关节CT图像分割方法耗时长、精度低的问题,文中提出一种改进U-Net的卷积神经网络。首先,该网络将添加批归一化层的残差模块作为U-Net编码过程的主要单元,以增加对图像特征的提取能力,克服网络训练过程中可能产生的梯度消失... 针对现有的膝关节CT图像分割方法耗时长、精度低的问题,文中提出一种改进U-Net的卷积神经网络。首先,该网络将添加批归一化层的残差模块作为U-Net编码过程的主要单元,以增加对图像特征的提取能力,克服网络训练过程中可能产生的梯度消失和梯度爆炸问题;其次,把Attention U-Net中的注意力门加入到U-Net解码过程的前3个阶段,在尽量减少网络复杂性的同时突出模型对图像重要特征的学习;最后,该网络结合Adam一阶优化算法和Focal Loss损失函数实现膝关节CT图像的精准分割。在膝关节CT图像数据集上,Dice系数、IOU系数精度分别达到96.5%,93.4%,豪斯多夫距离减小到(3.2±1.3)mm。相比U-Net和SegNet模型,文中算法在膝关节CT图像的分割方面精度更高,网络训练时间减少,平均预测每张图像的效率也有较大提高。 展开更多

关键词 图像分割 膝关节CT图像 卷积神经网络 医学图像处理 残差模块 注意力门 U-Net 损失函数

在线阅读 下载PDF 职称材料