【摘 要】
：
不同于常规目标，伪装目标特征模糊，尺度信息复杂多变，检测和分割难度更高。在现有伪装数据集基础上，提出了一种结合迁移学习和有效通道注意力的UNet网络伪装图像分割方法。首先，针对伪装目标特征模糊难以有效提取的问题，在UNet的下采样和上采样过程中，引入一种有效通道注意力机制，在不增加网络参数的同时，提高有效区域的特征权重；并将在ImageNet预训练好的VGG系列网络迁移到UNet网络中，实现特征迁
论文部分内容阅读
不同于常规目标，伪装目标特征模糊，尺度信息复杂多变，检测和分割难度更高。在现有伪装数据集基础上，提出了一种结合迁移学习和有效通道注意力的UNet网络伪装图像分割方法。首先，针对伪装目标特征模糊难以有效提取的问题，在UNet的下采样和上采样过程中，引入一种有效通道注意力机制，在不增加网络参数的同时，提高有效区域的特征权重；并将在ImageNet预训练好的VGG系列网络迁移到UNet网络中，实现特征迁移和参数共享，提高模型的泛化能力，降低训练效果对数据集的依赖，减少训练成本；在训练过程中引入FocalL
其他文献
红外与可见光图像融合技术能够同时提供红外图像的热辐射信息和可见光图像的纹理细节信息，在智能监控、目标探测和跟踪等领域具有广泛的应用。两种图像基于不同的成像原理，如何融合各自图像的优点并保证图像不失真是融合技术的关键，传统融合算法只是叠加图像信息而忽略了图像的语义信息。针对此问题，提出一种改进的生成对抗网络，生成器设计了局部细节特征和全局语义特征两路分支捕获源图像的细节和语义信息；在判别器中引入谱归
针对基于卷积神经网络的图像超分辨率重建方法存在的结构复杂、参数量庞大、重建速度慢等问题，提出了一种基于深度可分离卷积的轻量级图像超分辨率重建网络。利用深度可分离卷积提取图像的特征信息，有效减少网络的参数量与重建时间，同时使用对比度感知通道注意力机制，获取对比度信息作为全局信息，以增强重建图像的细节纹理。实验结果表明，该网络在重建性能具有竞争力的前提下，参数量比基于残差特征蒸馏网络的轻量级图像超分辨
深度学习中的卷积神经网络（convolutional neural networks，CNN）能充分利用计算机的计算能力，高效的提取遥感图像的特征，取得很好的成果，特别是在高光谱图像分类方面取得了很大的进展。为了在有限的高光谱样本上充分提取光谱和空间特征，提高高光谱图像分类的精度，提出了混合深度卷积联合注意力（hybrid deep CNN-attention，HDC-Attention）的模型。
三维模型对应关系计算在自动驾驶、虚拟现实和智能交通等领域均有着广泛的应用。针对于三维模型几何结构和尺度发生很大的变化时，低层次的几何信息描述符提取的特征不足的问题，提出通过引入先验知识来完成三维模型对应关系计算。本文利用深度学习网络模仿人类计算先验知识，以此对模型各部分之间的几何相似性进行编码，从而解决了模型在各部分发生显著变化时，无法应用低层次几何信息计算模型间对应关系的问题。首先，使用多视图卷
视觉问答(Visual Question Answering，VQA)是计算机视觉和自然语言处理领域中典型的多模态问题，传统VQA模型忽略了双模态中语义信息的动态关系和不同区域间丰富的空间结构。为此，提出一种面向视觉问答的多模块协同注意力模型，对视觉场景中对象间关系的动态交互和文本上下文表示进行充分理解。首先，通过图注意力机制建模不同类型对象间关系，以学习问题的自适应关系表示；其次，将问题特征和带
植被群落结构和土壤性质改变是草原退化的主要表现，鼠害是加剧草原退化的重要因素，对地表微斑块识别是草原退化研究的基础。本文利用GaiaiSky-mimi型高光谱仪采集典型荒漠化草原高光谱影像，使用主成分分析法（principal components analysis，PCA）与最小噪声分离法（minimum noise fraction，MNF）对数据进行前期处理，后采用支持向量机（support
土壤团聚体的组成和稳定性是评价土壤质量的重要指标，土壤胶结物质是团聚体形成的物质基础，两者密切相关。通过研究不同施肥处理下团聚体胶结物质含量的变化，阐明采煤塌陷区复垦土壤团聚体的分布与形成机制。试验设不施肥（CK）、施化肥（NPK）、单施有机肥（M）和有机无机肥配施（MNPK）4个处理，另取未复垦生土（RS）和周边未破坏多年种植的熟土（US）作为参照。采集耕层（0～20 cm）非扰动的土样，利用干
边缘检测是图像处理与计算机视觉中极为重要的一种分析图像的方法，Sobel算子常用于粗精度边缘提取，在图像边缘检测中被广泛应用。目前，随着国产飞腾（FT）系列高性能DSP的研究与发展，使该平台在图像处理领域的需求越发强烈，因此面向FT平台的高性能图像处理算法的实现亟需解决。针对上述问题，提出并实现了Sobel边缘检测在FT-M7002平台的优化算法，通过向量并行优化、循环展开、DMA传输优化与数组转
针对非负张量分解应用于图像聚类时忽略了高维数据内部几何结构的问题，在经典的张量非负Tucker分解的基础上，添加超图正则项以尽可能多的保留原始数据的内在几何结构信息，提出了一种基于超图正则化非负Tucker分解模型HGNTD。基于交替非负最小二乘法，设计了快速有效的超图正则化非负Tucker分解算法求解所给模型，并证明了新算法在非负的条件下是收敛的。最后，将新算法应用于图像聚类。在数据集Yale和
脉冲耦合神经网络（PCNN）模型在数字图像处理中有着广泛的应用，但对网络模型的理论分析基本都是从时域角度出发，无法全面解释参数对网络特性的影响。本文从PCNN模型的迭代方程出发，通过利用离散系统频域分析方法，对无耦合连接PCNN模型进行了频域角度分析。揭示了无耦合连接PCNN的动态门限子系统具有的低通特性，并分析了网络参数a_(E)的选取范围。同时，通过对脉冲发放时刻表达式的分析，给出了参数v_(