基于高度有效驱动注意力与多层级特征融合的城市街景语义分割北大核心CSCD

针对DeepLabv3+网络在进行城市街景图像分割任务时,没有充分利用到网络中多层级特征信息,导致分割结果存在大目标有孔洞、边缘目标分割不够精细等不足;并且考虑到城市街景数据具有天然的空间位置特殊性,本文提出在DeepLabv3+网络的基础上引入高度有效驱动注意力机制(height-driven efficient attention model,HEAM)与多层级特征融合模块(multi-stage feature fusion model,MFFM),将HEAM嵌入特征提取网络与空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)结构中,使其对目标关注更多垂直方向上的空间位置信息;MFFM通过融合多层特征图,在网络中形成多条融合支路依次连接到网络解码端,采用逐次上采样提高解码时像素上的连续性。将改进的网络通过CamVid城市街景数据集验证测试,实验结果表明,该网络能有效改善DeepLabv3+的不足,并且合理运用了数据集的位置先验性,增强了分割效果,在CamVid测试集上平均交并比(mean intersection over union,MIoU)达到了68.2%。     

基于自适应小波阈值的心电信号降噪方法

多尺度分析对于小波阈值的选取以及小波函数的设计依赖性较强,针对不同个体心电信号的降噪效果差异性较大。提出一种自适应的小波阈值计算和选取方法,该方法在启发式阈值优化方法基础上融入了小波分解层数和层级影响因子,通过动态调整每一层小波系数的阈值计算函数实现更加合理的信号分解与降噪处理。实验结果表明所提出算法在心电信号降噪效果方面获得了较好的表现,能够满足临床应用需求。