期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到97篇文章
< 1 2 … 5 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
融合位置注意力与非对称卷积的遥感影像目标检测方法
1
作者 储佳阳 《测绘与空间地理信息》 2025年第1期108-111,共4页
基于YOLOv4提出一种改进的遥感影像地面目标检测模型。在骨干网络中,以非对称卷积核组及其等效卷积核代替常规卷积核进行特征提取运算,同时通过位置注意力模块进一步增强模型对正样本特征的学习强度。在特征增强网络中,增加了额外的输... 基于YOLOv4提出一种改进的遥感影像地面目标检测模型。在骨干网络中,以非对称卷积核组及其等效卷积核代替常规卷积核进行特征提取运算,同时通过位置注意力模块进一步增强模型对正样本特征的学习强度。在特征增强网络中,增加了额外的输出特征图尺寸来增强模型对小尺寸目标的检出能力,最终在检测输出端通过softNMS算法优化模型的候选框输出机制。实验结果表明,所提出的改进算法相比原始模型有着更好的综合检测精度与鲁棒性,同时能够在测试环境下实现对遥感影像内不同类目标的实时检测,能够在城市规划、军事侦察、应急救灾等领域内具有一定的应用价值。 展开更多
关键词 遥感影像 目标检测 YOLOv4 非对称卷积 位置注意力
在线阅读 下载PDF
多尺度非对称卷积的轻量级U2-Net医学影像语义分割模型
2
作者 孙水发 王清华 +4 位作者 邹耀斌 唐庭龙 侯斌 吴义熔 崔文超 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第11期138-146,共9页
基于U2-Net网络结构,设计了一种运行更高效、分割更准确的医学影像语义分割模型。通过多尺度非对称卷积核代替传统的注意力机制以及降低原U2-Net网络的层数,减少模型参数量;通过改变U2-Net网络连接方式,使用U-Net++网络的跳跃连接方式,... 基于U2-Net网络结构,设计了一种运行更高效、分割更准确的医学影像语义分割模型。通过多尺度非对称卷积核代替传统的注意力机制以及降低原U2-Net网络的层数,减少模型参数量;通过改变U2-Net网络连接方式,使用U-Net++网络的跳跃连接方式,使模型在传递特征信息时保持完整性,减少信息损失,使分割边缘更加精确且连续;根据正负样本不均衡和难易不同的问题设计了避免在训练过程中大量简单负样本占据主导地位的二分类交叉熵损失函数(BCE Loss),更倾向于挖掘前景区域的骰子损失函数(Dice Loss)以及更偏向于两图的结构相似性的多层级结构相似性损失函数(MS-SSIM Loss)的组合损失函数,用来监督网络优化。实验结果表明:所提算法在DRIVE、STARE数据集上比现有最先进网络模型(SOTA)的F1分数分别提高2.6%、1.4%,在ISIC-2018数据集上比SOTA的DSC指标提高2.6%。对分割结果进行可视化后表明,网络在样本较小的情况下可以充分提取样本信息,提高语义分割效果。 展开更多
关键词 语义分割 医学影像 非对称卷积核 U2-Net网络
在线阅读 下载PDF
结合非对称卷积与特征蒸馏的图像超分辨率重建网络
3
作者 朱磊 冯达 +2 位作者 朱奇伟 赵涵 王倩倩 《西安工程大学学报》 CAS 2024年第2期93-100,共8页
为了进一步提高单幅图像超分辨率(single image super-resolution,SISR)轻量化网络的图像重建效果,基于轻量化网络RFDN,提出一种结合非对称卷积与特征蒸馏的图像超分辨率重建网络(asymmetric convolution distillation network,ACDN)。... 为了进一步提高单幅图像超分辨率(single image super-resolution,SISR)轻量化网络的图像重建效果,基于轻量化网络RFDN,提出一种结合非对称卷积与特征蒸馏的图像超分辨率重建网络(asymmetric convolution distillation network,ACDN)。首先利用非对称卷积构建特征提取模块,在残差块中并联2个不同卷积核的非对称卷积,增强网络对特征的提取能力;其次利用均衡注意力机制与非对称卷积改进特征蒸馏模块,强化网络对高频信息的获取;最后在重建模块中加入均衡注意力机制进一步提高网络的最终重建性能。实验结果表明:与RLFN、SMSR等先进轻量化网络相比,提出的ACDN网络能在5个标准数据集上重建出纹理细节更丰富的高质量图像,重建图像的峰值信噪比和结构相似性指标均有提升,并在网络模型的参数量和性能上达到了更好的平衡。 展开更多
关键词 图像超分辨率 特征蒸馏 非对称卷积 注意力机制 RFDN网络
在线阅读 下载PDF
脉冲非对称卷积神经网络的图像与事件分类算法
4
作者 桑林 《黑龙江科技大学学报》 CAS 2024年第2期323-328,共6页
为了提升模型性能的同时不引入额外的计算量与能量消耗,提出了一种脉冲非对称卷积算法。利用卷积核交叉部分的权重大的特点,采用多个尺寸的卷积核替换普通卷积的单个卷积核进行卷积运算与叠加,提高中心卷积核的决策作用,在推理阶段将脉... 为了提升模型性能的同时不引入额外的计算量与能量消耗,提出了一种脉冲非对称卷积算法。利用卷积核交叉部分的权重大的特点,采用多个尺寸的卷积核替换普通卷积的单个卷积核进行卷积运算与叠加,提高中心卷积核的决策作用,在推理阶段将脉冲非对称卷积层和批量归一化层进行合并,实现简化运算。结果表明,基于脉冲非对称卷积算法的图像与事件分类模型在DVS Gesture数据集上分类精度可达98.1%,同时不引入额外的计算量和能耗。 展开更多
关键词 脉冲神经网络 类脑计算 残差学习 非对称卷积
在线阅读 下载PDF
基于非对称卷积的多车道线检测方法 被引量：2
5
作者 郭心悦 韩星宇 +2 位作者 习超 王辉 范自柱 《计算机工程与设计》 北大核心 2024年第2期428-435,共8页
针对车道检测的准确性和实时性之间不平衡的问题,构建一个基于Lanenet算法和图像增强技术的多车道线检测网络,旨在更全面地利用图像中的特征信息,提高检测精度和速度。使用多尺度Retinex算法对输入图像进行色彩增强、降噪等;设计采用一... 针对车道检测的准确性和实时性之间不平衡的问题,构建一个基于Lanenet算法和图像增强技术的多车道线检测网络,旨在更全面地利用图像中的特征信息,提高检测精度和速度。使用多尺度Retinex算法对输入图像进行色彩增强、降噪等;设计采用一种双边多尺度融合网络实现浅层特征与深层特征之间的信息交互,获取上下文语义。提出一个新的非对称卷积金字塔模块,将非对称卷积融合到不同扩张率的空洞卷积层中,提高网络的特征提取能力,减少计算量。实验结果表明,该方法与现有的深度学习算法相比,能够在遮挡和阴影条件下更有效地检测车道线,具有更高的精度,更低的误检率和漏检率。 展开更多
关键词 车道线检测 语义分割 图像增强 信息融合 池化金字塔 深度学习 非对称卷积
在线阅读 下载PDF
结合非对称卷积组与通道注意力的遥感影像建筑检测方法
6
作者 臧珂 《测绘与空间地理信息》 2024年第10期87-90,共4页
针对以遥感卫星影像为基础的建筑物检测问题,提出一种基于单阶段回归检测器的建筑物检测模型。在模型特征提取网络中通过非对称卷积核组进行特征提取操作,同时采用通道注意力层进一步筛选建筑物目标的细节特征;在特征增强网络中,使用特... 针对以遥感卫星影像为基础的建筑物检测问题,提出一种基于单阶段回归检测器的建筑物检测模型。在模型特征提取网络中通过非对称卷积核组进行特征提取操作,同时采用通道注意力层进一步筛选建筑物目标的细节特征;在特征增强网络中,使用特征金字塔与PAN结构层组合对来自提取网络中的特征图进行融合增强,最终生成4个不同尺度的特征图送入检测端。实验结果表明,本文模型在精度均值方面优于几组主流深度学习检测模型,能够对卫星遥感影像中多尺寸、多角度的建筑物目标精准检测,对不同环境下目标也具有很好的鲁棒性,在实验环境下能够达到实时级别的检测速度。 展开更多
关键词 卫星遥感影像 建筑物检测 非对称卷积组 卷积注意力
在线阅读 下载PDF
基于连续非对称卷积结构的手写体数字识别 被引量：7
7
作者 张志佳 吴天舒 +2 位作者 刘云鹏 方景哲 李雅红 《沈阳工业大学学报》 EI CAS 北大核心 2018年第5期518-523,共6页
为了提高手写体数字识别的准确率,设计并提出了一种基于连续非对称卷积结构的手写体数字识别的深度学习算法.以连续非对称卷积结构为基础,结合极限学习机和MSRA初始化设计网络结构.在识别输入图像时,利用CUDA并行计算与Cudnn神经网络GP... 为了提高手写体数字识别的准确率,设计并提出了一种基于连续非对称卷积结构的手写体数字识别的深度学习算法.以连续非对称卷积结构为基础,结合极限学习机和MSRA初始化设计网络结构.在识别输入图像时,利用CUDA并行计算与Cudnn神经网络GPU加速库对手写体数字识别进行加速.在MNIST手写体数字数据库上进行实验,提出的网络结构识别准确率达到99.62%,单张图像识别速度为0.005 8 s.经实验结果对比表明,该网络结构在识别准确率和识别速度上得到有效提升. 展开更多
关键词 连续非对称卷积结构 手写体数字识别 极限学习机 深度学习 批量正则化 MSRA初始化 CUDA并行计算 MNIST数据库
在线阅读 下载PDF
非对称卷积核YOLO V2网络的CT影像肺结节检测 被引量：6
8
作者 李新征 金炜 +1 位作者 李纲 尹曹谦 《中国生物医学工程学报》 CAS CSCD 北大核心 2019年第4期401-408,共8页
肺癌一直是严重威胁人类健康的疾病之一,肺结节作为早期肺癌的一个重要征象,在肺癌的早期诊断与治疗中具有重要的意义。传统的CT影像肺结节检测方法不仅步骤繁琐、处理速度慢,而且对于结节的检出率及定位精度都亟待提高。提出一种基于... 肺癌一直是严重威胁人类健康的疾病之一,肺结节作为早期肺癌的一个重要征象,在肺癌的早期诊断与治疗中具有重要的意义。传统的CT影像肺结节检测方法不仅步骤繁琐、处理速度慢,而且对于结节的检出率及定位精度都亟待提高。提出一种基于非对称卷积核YOLO V2网络的CT影像肺结节检测方法:首先将连续的CT序列叠加构造为伪彩色数据集,以增强病变和健康组织的差异;然后将含有非对称卷积核的inception V3模块引入到YOLO V2网络中,构造出一种适用于肺结节检测的深度网络,一方面利用YOLO V2网络在目标检测上的优势,另一方面通过inception V3模块在网络的宽度与深度上进行扩增,以提取更加丰富的特征;为进一步提高结节的定位精度,对损失函数的设计与计算方法也进行一定的改进。为验证所提检测模型的性能,从LIDC-IDRI数据集中选取1 010个病例的CT图像用于训练和测试,在大于3 mm的肺结节中,检测敏感度为94.25%,假阳性率为8.50%。实验表明,所提出的肺结节检测方法不仅可以简化肺部CT图像的处理过程,而且在结节检测率及定位精度方面均优于传统方法,可为肺结节检测提供一种新思路。 展开更多
关键词 深度学习 YOLO V2 非对称卷积核 损失函数设计 肺结节
在线阅读 下载PDF
基于非对称卷积神经网络的电弧故障检测系统 被引量：4
9
作者 张婷 张认成 杨凯 《电子测量与仪器学报》 CSCD 北大核心 2022年第11期116-125,共10页
串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作。根据低压串联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息。针对串联电弧故障种类... 串联电弧故障是引发电气火灾的重要原因,对其有效检测能确保线路的正常运行和电气设备的可靠工作。根据低压串联电弧故障的检测难点,提出了基于非对称卷积神经网络的识别模型,用于适应性地提取串联电弧故障信息。针对串联电弧故障种类多、信息隐蔽等问题,首先利用格拉姆角差场时域数据处理方法,将负载模拟的时域信号经过极坐标变换、三角变换后映射到二维矩阵中,以增加故障数据点的空间占有率和数据关联信息。之后,为了不增加时间开销,同时改善模型的识别效能,使用自适应非对称卷积、多通道离散注意力机制改进残差神经网络,作为低压线路中的串联电弧故障模型。最后,利用容器封装已训练好的故障识别模型,实现故障信息的快速分析。验证表明,所提方法对串联电弧故障的识别率达到99.95%,具有良好的识别效果。 展开更多
关键词 串联电弧故障检测 格拉姆角差场 残差神经网络 适应性非对称卷积 多通道注意力机制 在线检测系统
在线阅读 下载PDF
基于非对称卷积−压缩激发−次代残差网络的人脸关键点检测 被引量：5
10
作者 王贺兵 张春梅 《计算机应用》 CSCD 北大核心 2021年第9期2741-2747,共7页
级联深度卷积神经网络(DCNN)算法为首先在人脸关键点检测中使用卷积神经网络(CNN)的模型,CNN的使用使得检测精度得到极大的提升。针对该策略需要对相邻阶段间的数据反复进行回归处理使得算法流程十分复杂的问题,提出基于非对称卷积−压... 级联深度卷积神经网络(DCNN)算法为首先在人脸关键点检测中使用卷积神经网络(CNN)的模型,CNN的使用使得检测精度得到极大的提升。针对该策略需要对相邻阶段间的数据反复进行回归处理使得算法流程十分复杂的问题,提出基于非对称卷积−压缩激发−次代残差网络(AC-SE-ResNeXt)的人脸关键点检测算法。所提算法仅使用单阶段回归,既避免了级联策略中多阶段回归的算法流程复杂性,又解决了相邻阶段间数据需要进行预处理的问题。为了不降低精度,在次代残差网络(ResNeXt)块的基础上添加了非对称卷积(AC)模块和压缩激发(SE)模块,构建了AC-SE-ResNeXt网络模型。同时,为了能够精确拟合在不同光照、姿态、表情等复杂环境下的人脸,将AC-SEResNeXt网络模型加深到101层。对训练好的模型分别在数据集BioID和LFPW上进行测试,其中该模型在BioID数据集上的人脸五点关键点检测的综合平均误差率为1.99%,在LFPW数据集上的人脸五点关键点检测的综合平均误差率为2.3%。实验结果表明,所改进的算法不但简化了算法流程使之能进行端到端处理,而且其精度与级联DCNN算法相当,鲁棒性也有明显提升。 展开更多
关键词 人脸关键点检测 非对称卷积 压缩激发模块 卷积神经网络 次代残差网络(ResNeXt)
在线阅读 下载PDF
基于残差学习的非对称卷积神经网络图像去噪方法 被引量：1
11
作者 曹阳 张英俊 谢斌红 《计算机与数字工程》 2023年第6期1371-1375,1392,共6页
为了获得更清晰的图片,更好地去除图像中的噪声,对目前去噪效果较好的基于残差学习技术的深度卷积神经网络去噪算法(DnCNN)进行改进,提出了DnACNN模型,该模型通过将常规的方形卷积核替换为一组非对称卷积核来增强方形卷积核的骨架部分,... 为了获得更清晰的图片,更好地去除图像中的噪声,对目前去噪效果较好的基于残差学习技术的深度卷积神经网络去噪算法(DnCNN)进行改进,提出了DnACNN模型,该模型通过将常规的方形卷积核替换为一组非对称卷积核来增强方形卷积核的骨架部分,从而提高特征提取精度和性能;并在测试阶段进行权值融合,从而减少参数、简化模型,确保不增加任何额外的推理时间。实验表明该方法在不增加任何额外推理时间的前提下能更有效地去除图像中的噪声,与目前主流去噪方法相比,能更好地捕获特征,提升特征丰富性,获得了更高的峰值信噪比,且能够更多地保留细节纹理。 展开更多
关键词 图像去噪 卷积核骨架 非对称卷积核 权值融合 特征提取 残差学习 参数 推理时间
在线阅读 下载PDF
基于非对称卷积的大规模天线信道状态信息反馈算法 被引量：1
12
作者 李婷婷 辛雨桐 +2 位作者 冉鹏 曹彪 杨阳 《无线电通信技术》 2022年第4期658-664,共7页
信道状态信息(CSI)是大规模天线系统的一个关键部分,然而,在信道资源有限的情况下,从接收机向发射机反馈大量的CSI是一个很大的挑战。基于此,提出了一种基于非对称卷积的自编码器算法来处理CSI压缩和解压问题,其核心是使用非对称卷积来... 信道状态信息(CSI)是大规模天线系统的一个关键部分,然而,在信道资源有限的情况下,从接收机向发射机反馈大量的CSI是一个很大的挑战。基于此,提出了一种基于非对称卷积的自编码器算法来处理CSI压缩和解压问题,其核心是使用非对称卷积来增强传统卷积的特征提取能力。考虑到实际应用部署,采用裁剪方法有效降低接收机对于存储空间的要求;此外,为了加强泛化性能,还给出了多模型集成方案。仿真结果表明,所提算法可以提高归一化均方误差和余弦相似度ρ的性能,适用于室外传播场景。实验结果验证了算法裁剪和多模型集成在保障算法性能的同时,可进一步使参数量减少83%和90%以上。 展开更多
关键词 CSI反馈 大规模天线 非对称卷积 算法裁剪 多模型集成
在线阅读 下载PDF
基于非对称卷积与双支路特征增强的水面浮标识别算法 被引量：1
13
作者 卢昌达 李晓欢 +1 位作者 叶金才 唐欣 《桂林电子科技大学学报》 2021年第2期125-132,共8页
针对无人机视角下浮标成像尺寸小、分辨率低导致识别率低的问题,在YOLOv3的基础上提出了基于非对称卷积与双支路特征增强的水面浮标识别算法(ACB-DSE-YOLOv3)。首先使用非对称卷积替换特征提取网络中的标准方形卷积,在标准方形卷积提取... 针对无人机视角下浮标成像尺寸小、分辨率低导致识别率低的问题,在YOLOv3的基础上提出了基于非对称卷积与双支路特征增强的水面浮标识别算法(ACB-DSE-YOLOv3)。首先使用非对称卷积替换特征提取网络中的标准方形卷积,在标准方形卷积提取特征信息的基础上叠加2个不同维度的非对称卷积所提取的特征信息,使模型能够在特征提取阶段获取更充分的特征信息;其次在特征提取网络中引入基于SENet改进的双支路特征增强模块,扩大感受野范围,获取更加丰富的语义特征信息,增强图像有效特征信息的表达能力,抑制无效特征。最后在水面浮标数据集上的实验结果表明,ACB-DSE-YOLOv3算法的平均精度相比原始YOLOv3算法提升了10.4%,有效地提高了水面浮标识别率,并通过无人机载嵌入式平台验证,改进的算法具有良好的实际工程应用价值。 展开更多
关键词 非对称卷积 双支路特征增强 水面浮标 卷积神经网络
在线阅读 下载PDF
基于非对称卷积的孪生网络视觉跟踪算法 被引量：3
14
作者 蒲磊 魏振华 +2 位作者 侯志强 冯新喜 何玉杰 《电子与信息学报》 EI CSCD 北大核心 2022年第8期2957-2965,共9页
针对孪生网络对旋转变化目标特征表达能力不足的问题,该文提出了基于非对称卷积的孪生网络跟踪算法。首先利用卷积核的可加性构建非对称卷积核组,可以将其应用于任意卷积核大小的已有网络结构。接着在孪生网络跟踪框架下,对AlexNet的卷... 针对孪生网络对旋转变化目标特征表达能力不足的问题,该文提出了基于非对称卷积的孪生网络跟踪算法。首先利用卷积核的可加性构建非对称卷积核组,可以将其应用于任意卷积核大小的已有网络结构。接着在孪生网络跟踪框架下,对AlexNet的卷积模块进行替换,并在训练和跟踪阶段对网络进行分别设计。最后在网络的末端并联地添加3个非对称卷积核,分别经过相关运算后得到3个响应图,进行加权融合后选取最大值即为目标的位置。实验结果表明,相比于SiamFC,在OTB2015数据集上精度提高了8.7%,成功率提高了4.5%。 展开更多
关键词 视觉跟踪 孪生网络 非对称卷积 旋转变化
在线阅读 下载PDF
结合非对称卷积与复合感受野结构的图像降噪方法 被引量：1
15
作者 程龙 蔡光程 《软件导刊》 2021年第8期172-178,共7页
为提高图像降噪精度,在去除图像噪声的同时尽可能保留图像边缘细节,在对多种传统降噪算法以及现代卷积神经网络架构研究的基础上,结合非对称卷积与复合感受野结构,提出一种新的降噪卷积神经网络模型。该模型在多尺度上获得了不同感受野... 为提高图像降噪精度,在去除图像噪声的同时尽可能保留图像边缘细节,在对多种传统降噪算法以及现代卷积神经网络架构研究的基础上,结合非对称卷积与复合感受野结构,提出一种新的降噪卷积神经网络模型。该模型在多尺度上获得了不同感受野下的图像特征,能更好地学习含噪图像到降噪图像的端到端映射。非对称卷积减少了模型参数量,使其更易于训练与验证。同时,该模型使用的残差学习、批量规范化、ReLU激活函数可加快卷积神经网络的收敛速度并提高其降噪性能。实验结果表明,在标准测试Set12上对图像加入均值为0、标准差为25的高斯噪声进行测试,降噪图像的峰值信噪比均值高达30.64dB。与目前优秀的降噪模型相比,该模型降噪性能良好,适用于多种强度含噪图像的降噪工作。 展开更多
关键词 深度学习 图像降噪 卷积神经网络 多尺度并行 非对称卷积
在线阅读 下载PDF
音频场景识别中非对称卷积和知识迁移方法研究 被引量：1
16
作者 刘炜杰 梁晋华 张涛 《电子测量与仪器学报》 CSCD 北大核心 2021年第5期168-173,共6页
针对当前音频场景识别中训练数据量不足的问题,设计了基于知识迁移的非对称卷积声音场景识别系统。相较于现有方法利用音频场景识别数据集从头训练网络模型,该系统在其他任务训练好的网络模型上进行调整和训练,从而保留了源领域的有效... 针对当前音频场景识别中训练数据量不足的问题,设计了基于知识迁移的非对称卷积声音场景识别系统。相较于现有方法利用音频场景识别数据集从头训练网络模型,该系统在其他任务训练好的网络模型上进行调整和训练,从而保留了源领域的有效信息。与此同时,该系统针对声学特征的特点,采用了非对称卷积模块来增强网络的特征提取能力。实验结果为该系统的准确率相较基准系统提高了0.023,并且该系统的卷积核可视化结果观察到的特征纹理更清晰。结果表明知识迁移可以提升模型的特征表示能力,与非对称卷积结合能进一步提升系统性能。 展开更多
关键词 音频场景识别 非对称卷积 知识迁移 卷积神经网络 模式识别
在线阅读 下载PDF
融合非对称卷积的遥感图像目标检测算法
17
作者 齐梦林 陈炳才 +2 位作者 张繁盛 潘旭 彭相澍 《电子测量技术》 北大核心 2023年第7期125-132,共8页
遥感图像中的目标具有背景复杂、方向多变等特点。利用传统方法进行遥感图像目标检测过程复杂且费时,存在精度低,漏检率高等问题。针对以上问题,提出一种改进的YOLOv5-AC算法,该算法以YOLOv5s模型为基础,首先在原有的Backbone中构建非... 遥感图像中的目标具有背景复杂、方向多变等特点。利用传统方法进行遥感图像目标检测过程复杂且费时,存在精度低,漏检率高等问题。针对以上问题,提出一种改进的YOLOv5-AC算法,该算法以YOLOv5s模型为基础,首先在原有的Backbone中构建非对称卷积结构,增强模型对翻转和旋转目标的鲁棒性;其次在主干网络的C3模块中引入坐标注意力机制提升特征提取能力,并使用Acon自适应激活函数激活;最后使用CIOU作为定位损失函数以提升模型定位精度。改进后的YOLOv5-AC模型在NWPU VHR-10和RSOD数据集上进行实验,平均精确度均值分别达到了94.0%和94.5%,分别比原版YOLOv5s提升了1.8%和2.3%,有效提高了遥感图像目标检测精确度。 展开更多
关键词 遥感图像 目标检测 YOLOv5 非对称卷积 注意力机制
在线阅读 下载PDF
基于非对称卷积块和多尺度融合判别的图像转换 被引量：2
18
作者 苏柳 郑忠龙 《信息通信》 2020年第1期49-51,共3页
在图像转换过程中往往会出现图像模糊,细节丢失的问题,针对这些问题,文章设计了一种新的图像转换模型,用来减少图像模糊、丢失问题。文章在生成器中引入非对称卷积块,增强特征提取,通过上采样增加细节信息,判别器中使用一种新的多尺度... 在图像转换过程中往往会出现图像模糊,细节丢失的问题,针对这些问题,文章设计了一种新的图像转换模型,用来减少图像模糊、丢失问题。文章在生成器中引入非对称卷积块,增强特征提取,通过上采样增加细节信息,判别器中使用一种新的多尺度融合方法,增加对前层信息的判别,提高图像转换的质量,通过实验表明,在不同的图像转换方法中,本文在定量和定性上都有明显优势。 展开更多
关键词 图像转换 非对称卷积 多尺度融合 生成对抗网络
在线阅读 下载PDF
基于非对称卷积网络的遥感影像地物检测方法研究
19
作者 刘海军 杨鸿海 《地理空间信息》 2023年第9期73-76,共4页
针对高分遥感影像地物目标检测时存在的精度低、鲁棒性较差等问题,提出了一种单阶段目标检测模型。利用包含非对称卷积核的AC模块及其等效常规卷积核构建特征提取端分别进行模型训练和测试,使充分提取特征时不会产生大量计算参数;构建4... 针对高分遥感影像地物目标检测时存在的精度低、鲁棒性较差等问题,提出了一种单阶段目标检测模型。利用包含非对称卷积核的AC模块及其等效常规卷积核构建特征提取端分别进行模型训练和测试,使充分提取特征时不会产生大量计算参数;构建4层特征增强端,通过拼接不同倍数的特征图进一步丰富语义特征,利用K-means++聚类获取的锚点框来提高训练初期拟合速度。以RSOD数据集为基础,选取包含飞机、油罐、操场的影像作为数据集,对训练集进行影像质量增强与噪声样本扩充。结果表明,模型在3类目标上的精度表现均衡,综合检测精度达到91.03%;在测试环境下的检测速度可达27 m·s^(-1),达到实时检测的水平。 展开更多
关键词 高分遥感影像 地物检测 全卷积网络 非对称卷积 多尺度特征增强
在线阅读 下载PDF
基于非对称信息蒸馏网络的轻量级图像超分辨重建
20
作者 孟海腾 赵小乐 李天瑞 《计算机应用》 北大核心 2025年第2期601-609,共9页
深度卷积神经网络(CNN)在图像超分辨率重建领域表现出卓越性能,然而现有的许多相关方法的模型参数量较多,无法应用至计算资源较低的设备。为缓解上述问题,提出一个轻量级的非对称信息蒸馏网络(AIDN)模型。首先,输入原始图像及其边缘图... 深度卷积神经网络(CNN)在图像超分辨率重建领域表现出卓越性能,然而现有的许多相关方法的模型参数量较多,无法应用至计算资源较低的设备。为缓解上述问题,提出一个轻量级的非对称信息蒸馏网络(AIDN)模型。首先,输入原始图像及其边缘图像以提取有效的特征信息;其次,设计一个非对称信息蒸馏块对提取到的特征进行非线性映射学习;再次,使用上采样模块重建多个残差图像后,将这些残差图像经过注意力机制融合成一个残差图像;最后,将融合的残差图像与输入图像的插值相加后得到超分图像。在Set14、Urban100和Manga109数据集上的实验结果表明,相较于空间自适应特征调制网络(SAFMN),AIDN模型的4倍超分峰值信噪比(PSNR)值分别提升了0.03 dB、0.14 dB和0.06 dB,说明了AIDN模型在模型参数量和模型性能之间取得了更好的平衡。 展开更多
关键词 图像超分辨率 轻量级超分辨率网络 非对称卷积 信息蒸馏 注意力机制
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 5 下一页 到第 页
使用帮助 返回顶部