共查询到18条相似文献,搜索用时 46 毫秒
1.
2.
为解决弱稀疏语音信号的欠定盲分离问题,根据语音信号的部分W-分离正交性,提出一种基于单源主导区间的混合矩阵盲估计方法。该方法根据单源主导区间的性质,通过二元行矢量提取单源观测样本,对单源观测样本进行K均值聚类和主成分分析来估计混合矩阵。仿真结果表明,提出的方法可有效提高分离语音的性能,与直接利用K-PCA方法相比,分离语音的平均信噪比提高了10 dB左右。 相似文献
3.
语义分割是计算机视觉中非常重要的一环,其核心是对输入图像中的每个像素进行分类和定位,本文对于传统的FCN网络进行略微改进,从而实现提高语义分割效果。首先,将轻量级网络FCN作为语义分割的特征提取网络。其次,利用卷积缩小网络特征来模型大小和降低模型计算成本。最后,以人与背景的关系作为约束条件,使用CrossEntropyLoss损失函数和MIoU(均交并比)等评价指标进行模型的评估,最终在公开数据集Supervisely的5711张人像图片中,按0.9作为训练集、0.1作为验证集进行人像分割,达到了82.47%的MIoU值,较原先网络80.25%的MIoU值有所提高。在16G的运行内存下,达到了每张图25帧。 相似文献
4.
5.
该文提出了一种结合区域和深度残差网络的语义分割模型。基于区域的语义分割方法使用多尺度提取相互重叠的区域,可识别多种尺度的目标并得到精细的物体分割边界。基于全卷积网络的方法使用卷积神经网络(CNN)自主学习特征,可以针对逐像素分类任务进行端到端训练,但是这种方法通常会产生粗糙的分割边界。该文将两种方法的优点结合起来:首先使用区域生成网络在图像中生成候选区域,然后将图像通过带扩张卷积的深度残差网络进行特征提取得到特征图,结合候选区域以及特征图得到区域的特征,并将其映射到区域中每个像素上;最后使用全局平均池化层进行逐像素分类。该文还使用了多模型融合的方法,在相同的网络模型中设置不同的输入进行训练得到多个模型,然后在分类层进行特征融合,得到最终的分割结果。在SIFT FLOW和PASCAL Context数据集上的实验结果表明该文方法具有较高的平均准确率。 相似文献
6.
为了高效地对城市景观等复杂场景进行分割解析,本文结合高分辨率网络(HRNet),通过金字塔池化模块(Pyramid pooling module,PPM)补充全局上下文信息,提出了一个高分辨率场景解析网络。首先,以HRNet为基干特征提取网络,并利用空洞可分离卷积改进其大量使用的残差模块,在减少参数量的同时提高了对于多尺度目标的分割能力;其次,利用混合空洞卷积框架设计了多级空洞率,在稠密感受野的同时减小了网格问题的影响;然后,设计了多阶段的连续上采样结构以改进HRNetV2简单的后融合机制;最后,使用改进的可适应不同图像分辨率的金字塔池化模块聚合不同区域的上下文信息获得高质量的分割图。在城市景观数据集(CityScapes)上仅以16.4 Mbit的参数数量实现了83.3%MIOU的精度,在Camvid数据集也取得了良好的效果,实现了更加可靠、准确、低计算量的基于语义分割的场景解析方法。 相似文献
7.
刘可心 《太赫兹科学与电子信息学报》2023,21(2):235-241
在语义分割模型结构不变的前提下,为提升模型对图像分割的精确度,引入生成对抗网络结构用于训练语义分割模型(SS-GAN)。SS-GAN包含3个设计环节:构建全卷积网络(FCN)结构的生成模型,进行初步的图像分割;设计具备像素间高阶关系学习能力的对抗模型,提高生成模型的学习能力;加入对抗损失辅助生成模型学习,进一步促进生成网络自主学习像素间关系。在计算机视觉竞赛数据集(PASCAL VOC)和城市景观数据集(Cityscapes)上的实验结果表明,引入生成对抗网络后取得了更好的效果,2个数据集的交并比(IoU)指标分别提高了1.56%/1.17%和1.93%/1.55%。 相似文献
8.
基于金字塔卷积神经网络的语义分割算法准确率很高,但是其计算资源消耗巨大、算法执行时间长、无法满足实时性要求.为了解决这个问题,本文做出了以下改进:(1)用MobileNet替换原网络的结构,减少了网络运算时间和内存开销;(2)引入编码器-解码器结构提高输出图像的分辨率,进一步细化分割结果;(3)针对高分辨率图像推断时间过长的问题,本文设计了多级图像输入方法,降低了网络推断高分辨率图像所消耗的时间.本文在VOC 2012数据集和Cityscapes数据集上进行了测试,并与FCN、SegNet、DeepLab、PSPNet以及DFN等语义分割模型对比.实验结果表明,本文设计的语义分割算法在VOC 2012数据集上达到了76.1%的mIoU,在Cityscapes数据集上达到了74.1%的mIoU,略低于传统语义分割算法;处理一张分辨率为1024×512的图片需要18ms,少于传统语义分割算法,满足了实时性要求,达到了准确率与计算资源消耗之间的平衡. 相似文献
9.
复杂电磁环境下,雷达、通信等信号在时域、频域、时频域存在复杂混叠,且各类型信号带宽差异大、调制样式多样,常规信号分离方法难以应用。文中提出了一种基于信号重构的非参数化混叠信号分离方法。基于瞬时幅度的傅里叶分解,建立非参数化稀疏信号模型,将混叠信号分离转化为瞬时幅度和瞬时频率的联合估计问题,基于交替迭代思路,分别进行估计和更新。对于瞬时幅度项,基于广义近似消息传递方法进行估计;对于瞬时频率项,利用瞬时频率变化平缓性特征,建立瞬时频率更新模型,实现对瞬时频率的更新。进一步,基于瞬时幅度和瞬时频率估计结果进行各信号重构,实现混叠信号分离。仿真结果表明:文中所提方法能有效分离时频域复杂混叠信号。 相似文献
10.
深度学习和自注意力机制的应用,使语义分割网络的性能得到了大幅提升.针对目前自注意力机制将每个像素的所有通道看作一个向量进行计算的粗糙性,基于空间维度和通道维度提出了一种分组双注意力网络.首先,将特征层分成多组;然后,自适应过滤掉每组特征层的无效基组,从而捕获精确的上下文信息;最后,将多组加权后的信息进行融合,获得较强的上下文信息.实验结果表明,本网络在两个数据集上的分割性能均优于双注意力网络,在PASCAL VOC2012验证集上的分割精度为85.6%,在Cityscapes验证集上的分割精度为71.7%. 相似文献
11.
12.
13.
针对RGB图像具有丰富的色彩细节特征,红外图像对目标轮廓、尺寸、边界等外形特征有较高敏感度的特点,提出了一种非对称并行语义分割模型APFCN(Asymmetric Parallelism Fully Convolutional Networks).APFCN上路设计了一个卷积核尺寸非统一的五层空洞卷积网络来提取红外图像目标高层轮廓特征;下路沿用卷积加池化网络提取RGB图像三个尺度上的细节特征;后端将红外图像高层特征与RGB图像三个尺度的细节特征进行融合,并将4倍上采样后的融合特征作为语义分割输出.结果表明,APFCN在像素精度和交并比等方面均优于FCN(输入为RGB图像或红外图像),适用于背景一致下地面目标的语义分割任务. 相似文献
14.
逆合成孔径雷达(ISAR)成像技术能够对空间目标进行远距离成像,刻画目标的外形、结构和尺寸等信息。ISAR图像语义分割能够获取目标的感兴趣区域,是ISAR图像解译的重要技术支撑,具有非常重要的研究价值。由于ISAR图像表征性较差,图像中散射点的不连续和强散射点存在的旁瓣效应使得人工精准标注十分困难,基于交叉熵损失的传统深度学习语义分割方法在语义标注不精准情况下无法保证分割性能的稳健。针对这一问题,提出了一种基于生成对抗网络(GAN)的ISAR图像语义分割方法,采用对抗学习思想学习ISAR图像分布到其语义分割图像分布的映射关系,同时通过构建分割图像的局部信息和全局信息来保证语义分割的精度。基于仿真卫星目标ISAR图像数据集的实验结果证明,本文方法能够取得较好的语义分割结果,且在语义标注不够精准的情况下模型更稳健。 相似文献
15.
道路三维点云多特征卷积神经网络语义分割方法 总被引:1,自引:0,他引:1
针对道路场景下三维激光点云语义分割精度低的问题,提出了一种基于卷积神经网络并结合几何点云多特征的端到端的语义分割方法。首先,通过球面投影构造出点云距离、相邻夹角及表面曲率等特征图像,以便于应用卷积神经网络;接着,利用卷积神经网络对多特征图像进行语义分割,得到像素级的分割结果。所提方法将传统点云特征融入到卷积神经网络中,提升了语义分割效果。使用KITTI点云数据集进行测试,结果表明:所提三维点云多特征卷积神经网络语义分割方法的效果优于SqueezeSeg V2等没有结合点云特征的语义分割方法;与SqueezeSeg V2网络相比,所提方法对车辆、自行车和行人分割的精确率分别提高了0.3、21.4、14.5个百分点。 相似文献
16.
17.
18.
数据集是基于深度学习语义分割技术的重要组成部分.为了将语义分割技术应用于野外战场环境,构建一个符合实战场景的数据集至关重要.针对迷彩伪装目标侦察识别的作战保障需求,分析了野外战场环境及战场侦察图像的特点,设计了特定场景数据集的构建流程与方法,构建了具有精细化语义标注的语义分割数据集CSS,并通过实验验证了该数据集在语义... 相似文献