基于高层特征融合的图像语义分割

在深度学习下的图像语义分割中,为了探究高层特征对于户外场景语义分割性能的影响,在对高层特征进行分析的基础上,提出了融合高层特征的图像语义分割方法。在目前主流深度学习框架Caffe下搭建的分割模型,并采用斯坦福8类户外场景数据集对模型进行了训练和测试。测试结果验证了该方法的有效性和准确性。     

基于胶囊网络的产品形态设计决策模型

针对小样本数据集条件下深度学习算法的方案图像智能决策限制问题,提出一种基于胶囊网络的产品形态设计决策模型.应用人工智能方法搭建基于产品形态语义的多视角图像数据集,并将数据集图像进行预处理和特征提取.再利用卷积层学习得到图像特征,将不同卷积层中的若干特征划分为一组,生成具有丰富语义特征的主胶囊.利用动态路由算法获取一组数...     

一种基于深度学习的图像语义分割方法

基于深度学习的语义分割网络在卷积、池化等操作过程中会出现空间位置信息丢失的问题,导致其分割效果下降.对此,文中以SegNet语义分割网络模型为参考,设计了一种全新的语义分割网络模型Faster-SegNet.该网络模型通过融合多尺度特征图强化特征信息来提高网络分割准确率.使用非对称卷积等方式降低了网络参数量,提高网络分...     

基于多路径网络的权值调整图像语义分割算法

为提高图像语义分割准确程度,针对场景解析中类别边缘分辨清晰度,提出了一种基于多路径网络的权值调整图像语义分割算法。通过引入多路径网络和权值调整并对图像场景中的物体类别具有的特征进行分析,提高图像的语义分割的准确程度;通过采用ADE20K数据集进行训练,提高边缘信息的分割效果,使模型具有更好的泛化能力。此算法加快了网络收敛速度。     

惯性微流体开关阈值特性与响应历程的数值仿真

根据变矩形截面微通道惯性微流体开关的结构和工作机理,建立了水银液滴在临界状态下的开关静态阈值模型。采用VOF模型,考虑了表面张力作用和接触角效应,模拟了水银液滴在微通道中的动态时间历程,较准确地反映了液滴形状连续变化中的关键特征。通过对水银液滴速度随时间变化的跟踪,验证了开关具有阈值特性。仿真分析了微阀门宽度、微通道深度等结构参数对加速度阈值的影响,从而验证了阈值解析公式。当接触角为130°至170°时,数值仿真结果显示开关的响应时间随着接触角的增大而减小。讨论了不同网格尺寸对开关动态过程仿真计算结果的影响,结果曲线表明在仿真设置条件下计算结果对网格尺寸依赖较小。     

融合分形几何特征Resnet遥感图像建筑物分割

针对遥感图像建筑物易受背景中道路、树木、阴影干扰而导致分割边界不清晰的问题,提出了一种融合分形几何特征的Resnet网络。所提模型基于编码-解码框架,以Resnet网络为主干网络,在编码阶段中引入融合分形先验的空洞空间金字塔池化模块(FD-ASPP),利用分形维数捕获遥感图像的分形特征,增强了Resnet网络的几何特征描述能力。解码阶段提出一种深度可分离卷积注意力融合机制(DSCAF),有效融合高层次特征和低层次特征,获取更加丰富的遥感图像语义信息和位置细节信息。在WHU遥感图像数据集上的实验表明,精确率达到0.944 8,召回率达到0.946 2,F1分数达到0.945 5,平均交并比mIoU达到0.941 5。所提模型与FCN、Segnet、Deeplab V3、U-net、SETR和AlignSeg等现有建筑物遥感语义分割模型相比,具有更好的分割精度,有效克服了道路、树木、阴影等因素的干扰,得到了较清晰的建筑物边界。     

基于VAE-MSGAN网络的复杂细节图像生成方法

生成式对抗网络被广泛应用于图像生成领域,但其在图像生成时模型不易收敛,导致生成图像的局部细节易出现背景模糊问题.将变分自动编码器与生成式对抗网络相结合,在两者图像生成方面优势相结合的基础上,引入多尺度判别器,提出了VAE-MSGAN网络模型.通过不同尺度的卷积核可以提取到更加丰富的特征信息,并通过加入批标准化(BN)层与特征融合处理,从而加快网络的收敛速度,有利于特征信息的重利用,再将两者提取到的特征信息进行融合,最后将改进的正则化方法应用到目标函数中,减小网络复杂度和过拟合,提升了GAN模型的训练稳定性和图像的局部细节生成质量.对设计的图像生成算法基于Ubuntu16.04环境下利用Tensorflow深度学习框架进行了实现和仿真.对比在不同军事图像类别上的图像生成质量,通过交叉验证证明生成图像与真实图像在深度学习分类器下分类准确率基本一致,验证了所设计网络模型的有效性.     

基于DeepLabV3+与超像素优化的语义分割

针对基于深度学习的DeepLabV3+语义分割算法在编码特征提取阶段大量细节信息被丢失,导致其在物体边缘部分分割效果不佳的问题,本文提出了基于DeepLabV3+与超像素优化的语义分割算法。首先,使用DeepLabV3+模型提取图像语义特征并得到粗糙的语义分割结果;然后,使用SLIC超像素分割算法将输入图像分割成超像素图像;最后,融合高层抽象的语义特征和超像素的细节信息,得到边缘优化的语义分割结果。在PASCAL VOC 2O12数据集上的实验表明,相比较DeepLabV3+语义分割算法,本文算法在物体边缘等细节部分有着更好的语义分割性能,其mIoU值达到83.8%,性能得到显著提高并达到了目前领先的水平。     

一种结合域自适应的图像语义分割算法

语义分割为图像分配像素级稠密标签,对场景理解具有重要作用,是视觉研究核心任务之一,涉及自动驾驶、医学成像等实际应用.现有基于深度神经网络的图像语义分割方法的训练需要大量标记数据,这些数据的收集和标记成本高昂,这很大程度上限制了此类方法的实际应用.为解决此问题,这里使用成本较低的计算机生成并标记的逼真的合成数据训练深度神经网络.但真实图像与合成图像在分布域上存在的差异会降低模型性能,因此这里使用一种对抗学习方法来实现域的自适应,以解决上述问题.又因为语义分割的结构化输出描述了源域与目标域的空间相似性,所以这里选择在语义分割的输出空间上实现域自适应方法.在此基础上,这里又于不同级别的空间构建多级域自适应网络以提升模型性能.     

铸件缺陷语义分割的编码器-解码器网络

深度学习的快速发展扩展了基于视觉的缺陷检测应用。针对铸件缺陷类间差异小、类内差异大、缺陷规模小等难点，提出一种编码器-解码器架构的语义分割网络，使用在ImageNet上预训练的ResNeSt主干网络作为特征提取器，构建密集连接的多尺度特征融合模块提升有效特征利用率，增强网络特征表示能力，解码器端融合低层级特征改善缺陷边缘分割效果，再通过双线性插值进行上采样以恢复空间分辨率。网络在构建的X射线铸件缺陷分割数据集上进行训练和评估，采用混合损失函数解决数据集样本不均衡问题，提升模型性能。实验结果表明，提出的语义分割方法能够提升铸件缺陷分割精度，效果优于其他语义分割方法。     

生成对抗网络在医学图像处理中的应用

深度学习算法现在已经成为医学图像处理的最成功的模型,生成对抗网络将神经网络与对抗训练的思想相结合,已经开始应用于医学图像处理。该文主要介绍了几种典型的生成对抗网络,回顾了生成对抗网络在医学图像处理中的应用,包括图像的生成、转换、重建、分割等任务,并对生成对抗网络在智能诊断中的作用、目前存在的问题和未来的发展方向做了讨论。     

基于神经网络的回转窑火焰图像分割

回转窑火焰图像的正确分割对于提取回转窑工况参数具有重要的意义。本文研究了多层感知器、径向基函数网络、学习向量量化网络和自组织特征映射网络等四种神经网络在回转窑火焰图像分割中的应用。选取火焰图像的归一化色彩值作为训练样本,分别采用有导师学习和无导师学习两种方法进行训练。对实测图像进行分割的结果表明,本文提出的方法很有效。     

利用图像平滑结构信息指导图像修复

利用图像结构特征进行图像修复,是近年来在深度学习技术广泛应用背景下出现的新方法。应用该方法可以在缺失区域内生成合理的内容,但图像修复结果过于依赖图像结构的提取内容,且在实际训练中会出现错误的持续传播和累积,一旦图像结构存在噪声或失真会直接影响到图像的生成质量。该方法处在探索应用阶段,尚存在网络训练难度大、鲁棒性较差、生成图像上下文语义不一致等问题。为此,本文提出了一种图像平滑结构指导修复的并行网络结构。图像平滑结构的生成内容不直接作为下一级网络的输入,只为网络的解码层提供指导信息。同时,为了更好地匹配和均衡结构与图像之间的特征关系,本文结合transformer提出了一种多尺度特征指导模块。该模块利用transformer联系全局特征的强大建模能力,对结构和图像纹理之间的特征进行匹配和均衡。实验结果表明,本文方法在三个常用的数据集上能够有效地恢复图像缺损内容,并且可以作为图像编辑工具实现目标移除。     

一种双分支结构的图像语义分割算法

图像语义分割需要精细的细节信息和丰富的语义信息,然而在特征提取阶段,连续下采样操作会导致图像中物体的空间细节信息丢失。为解决该问题,提出一种双分支结构语义分割算法,在特征提取阶段既能有效获取丰富的语义信息又能减少物体细节信息的丢失。该算法的一个分支使用浅层网络保留高分辨率细节信息有助于物体的边缘分割,另一个分支使用深层网络进行下采样获取语义信息有助于物体的类别识别,再将两种信息有效融合可以生成精确的像素预测。通过Cityscapes数据集和CamVid数据集上的实验验证,与现有语义分割算法相比,所提算法在较少的参数条件下,获得了较好的分割效果。     

利用深度学习进行图像分割

近些年社交网络的普及,以及大规模自动驾驶的应用,人们可以越来越方便的获得更加有效的数据。另外随着深度学习在计算机视觉方面的大规模运用,利用深度学习进行图像分割显得越来切合实际。本文使用了百度提供的数据,分别使用多种网络对图像进行分割,并使用了迁移学习的方法,最终对图像获得了比较准确的分割效果。     

遥感图像云检测的多尺度融合分割网络方法

在进行可见光遥感图像高精度云检测时,云自身特征的多变性,以及地物与云之间的特征相似性,会降低检测精度。因此,提出一种带权重的多尺度融合分割网络云检测方法。首先,通过有云区域和无云区域的特征学习,降低对云状的敏感性,同时利用全卷积网络进行端到端训练,实现对每个像素点分类。该方法能够自动提取深层特征,并可将云的深层语义特征与浅层细节特征结合,不但有利于区分下垫面中与云特征相似的地物,还可提高云边缘检测效果,从而提升云量值的检测精度。与其他深度学习分割网络的实验比较分析表明,所提方法可以实现95. 39%的像素分类准确度,云量值检测误差优于1%,为解决遥感图像云污染问题提供了新的思路。     

基于图像处理的微流道中流体流动检测方法

在具有螺旋微流道的微流控芯片中,精确获取微流道中液滴的运动状态对芯片的设计和研究具有重要意义.介绍了一种基于图像处理技术实现螺旋微流道中流体流动状况的精确检测方法.该方法通过对高速摄影系统获取的液滴位置图像进行预处理;再对预处理图像进一步形态学处理,提取螺旋微流道的点云;对提取的点云进行拟合,计算出液滴所在位置的螺旋半径和液滴运动路径.通过与实际测量值进行对比,发现该视觉测量方法的准确度(相对误差＜0.2％)和精确度(CV＜0.5％)都较高,能够满足测量要求.此外,该测量方法还可以计算出液滴的流速,获取更多的液滴运动信息.该方法可用于流体运动的非接触式在线检测分析,具有快捷、精准的优点.     

语义分割网络的 FPGA 加速计算方法综述

随着深度学习技术的发展和图像场景理解需求的提升,基于现场可编程门阵列(field programmable gate array, FPGA)部署语义分割网络,为用户提供低延迟、高能效的边缘端智能服务成为研究热点。针对语义分割网络结构中计算和存储密集型特点,构建基于FPGA的定制计算结构是研究的重点问题。鉴于此,本文在归纳总结语义分割网络基本原理和计算结构特点的基础上,分别从面向硬件资源约束的模型压缩方法和定制硬件架构设计两个角度阐述基于FPGA的语义分割网络加速计算方法,并重点对硬件架构设计中的计算结构设计和内存访问优化的典型方法进行总结。最后,展望了语义分割网络FPGA加速计算方法的发展趋势,以期为语义分割、边缘计算、定制高能效计算以及其他相关领域的研究者提供设计参考。     

电驱动微流体粒子图像测试系统

为了研究微米量级管道机械特性对小雷诺数流体运动传质机理的影响,建立了电驱动微流体粒子图像测试系统,系统包括倒置荧光显微镜、致冷图像传感器、微流体驱动高压电源及微流场位移矢量识别算法.通过实验测试及理论分析给出了系统的关键技术参数;通过测量示踪粒子表面电荷特性,以消除粒子电泳运动对电驱动流体PIV方法产生的测量偏差;测量了水力直径为30μm微管道中电渗流场,测量结果与理论分析的塞状流型一致;分析了布朗运动、粒子电泳运动以及相关算法误差,对粒子图像测速方法不确定度的影响.     

室内场景下实时地三维语义地图构建

移动机器人自主建图是完成智能行为的前提。为提高机器人智能水平和直观的用户交互,地图需要扩展超出几何和外观信息的语义信息。研究了将基于深度残差网络(DRN)的像素级图像语义分割和三维同时定位与建图(SLAM)相融合的三维语义地图构建方法。首先,采用一种联合中值滤波算法进行深度图像的修复,使用改进的迭代最近点(ICP)算法得到相机估计位姿以及基于随机蕨类的闭环检测构建出三维环境地图;其次,采用优化的深度残差网络对输入的图像实现较精准的像素语义级别的预测与分割;最后,采用贝叶斯更新方法,渐进式的将图像分割获取的语义分类标签迁移到重建的室内三维模型中,获得完整的三维语义地图。实验表明,所设计的方法可以在实际的、复杂环境下实时地构建语义地图。