特征增强

摘要： 为了满足海洋生物检测对精度和实时性的要求,提出了一种基于改进SSD算法(single shot multibox detector)的海洋生物检测算法。针对SSD算法浅层特征层语义信息不足、小目标检测效果差等问题,设计了特征融合模块和特征增强模块。特征融合模块通过融合不同特征层,丰富了浅层特征层的语义信息以及深层特征层的细节信息,综合上下文信息提高检测效果。为了进一步提高浅层特征层的语义信息,提出了特征增强模块,通过引入空洞卷积以及多尺度的卷积核,综合不同感受野信息以提高改进算法对小目标的检测效果。改进算法在仅增加少量计算量和参数量的情况下,全面提高了算法对海洋生物目标的检测准确率。结果表明,改进算法在海洋生物数据集中的平均精度(mAP)达80.8%,比原始网络提高了5%,检测速度(FPS)为74,略低于SSD算法,但远高于其他改进算法。改进算法能在保持实时性的同时取得较高的检测精度,能够满足海洋生物检测要求。

摘要： 针对目标检测中多类别、多尺度和背景复杂而导致的SSD (Single Shot Multibox Detector)算法检测精度不高的问题,提出了一种多尺度特征增强的改进SSD目标检测算法。首先将SSD网络模型的高层特征依次向下与浅层特征融合,构造一种多尺度目标检测结构。然后利用注意力机制对特征进行进一步的优化,从而达到增强网络模型特征提取的目的。最后用DIoU-NMS来处理图像目标中冗余框的问题,减少目标的漏检。在公开的NWPU VHR-10遥感数据集上将该方法与其他算法进行对比实验,其m AP较传统的SSD算法提高了6.7%。最后将改进后的算法应用于地铁安检图片检测,并在此数据集上进行消融实验来验证此算法每一阶段的有效性。

摘要： 利用大量未标签样本和少量已标签样本共同训练一个有效的分类器是半监督学习方法的优势,自训练半监督学习方法因其简单且有效的特性而被广泛使用。文章提出基于隐空间特征增强的自训练半监督支持向量机分类学习方法,该方法首先将原空间已标签数据样本和大量无标签数据样本映射到同一隐空间,构建特征增强空间,在此特征增强空间结合概率密度进行自标记半监督SVM学习,以提高分类器的准确性和鲁棒性。UCI数据集上的实验证明,所提算法比传统的自训练学习算法具有更好的性能。

摘要： 基于图神经网络的会话推荐(简称图神经会话推荐)是近年来推荐系统领域的一个研究重点和热点,这主要是因为它们引入了会话图拓扑结构信息来提高物品和会话特征表示的准确性,因而,在一定程度上提升了会话推荐的性能.然而,现有图神经会话推荐方法仍然存在两方面的不足,从而影响其性能:1)它们所构建的会话图中物品间的相关性权重均是在模型训练之前就预先指定并保持固定不变,导致不能准确捕捉物品间的相关性;2)它们只从单个会话的物品序列中产生物品和会话的局部特征,而缺乏从整个会话数据集出发,全局考虑不同物品之间以及不同会话之间的相关性,并由此来生成物品和会话的全局特征,从而充分表示物品和会话的语义特征.为此,本文提出了一种新颖的会话场景下基于特征增强的图神经推荐方法FA-GNR(Feature Augmentation based Graph Neural Recommendation).FA-GNR方法首先基于单个会话构建物品间相关性权重可学习优化的会话图,并借鉴GRU(Gated Recurrent Unit)神经网络来产生物品局部特征,同时基于会话数据集,通过GloVe(Global Vectors)词嵌入方法产生物品全局特征,从而融合物品的局部和全局特征来生成其语义特征.然后,FA-GNR方法基于物品语义特征,利用局部注意力机制来产生会话的局部特征,同时基于物品的全局特征,并通过全局注意力机制来产生会话的全局特征,从而融合会话的局部和全局特征来生成其语义特征.最后,在物品和会话语义特征的基础上,FAGNR方法通过交叉熵损失来学习给定会话下不同物品的点击概率分布.在多个公开数据集上的实验结果表明,FA-GNR方法的推荐性能优于目前主流的方法.

摘要： 为了去除与法兰装配面数据点混合在一起的噪声并更好地保留装配面的特征,将装配面点云数据中的噪声分为2类。利用空间栅格划分将点云数据栅格化,使用K领域搜索的方法筛选出第1类噪声点,运用采样点邻域点数统计法删除第1类噪声点;采用改进的双边滤波法对第2类噪声点进行去噪。通过与各类算法进行比较,实验结果表明,该去噪算法在达到预期去噪效果的同时还可以增加装配面特征的保持度,并且能够避免传统双边滤波在去噪后产生光顺过度的现象。

摘要： 针对SSD(single shot multibox detector,单步多盒检测)算法在车辆的自动紧急制动(AEB)中对远方目标检测效果差、检测速度慢、对硬件资源需求高的问题,提出了一种基于SSD的改进算法。首先用MobileNetv2替换SSD中的AGG-16作为检测网络,以减少参数数量和计算量,降低网络对硬件性能的需求;其次,提出了特征增强和融合的方法,反复挖掘目标信息,并把不同特征层的信息进行融合,以提高对小目标检测的能力;最后,对先验框解码过程进行改进,减少网络需要解码的先验框数量,再次减少计算量,提高网络检测速度,并调整先验框的尺寸,进一步增强小目标检测的能力。把改进后的网络和SSD300、YOLO、MobileNetv2-SSD等网络在KITTI数据集上进行检测和对比分析,实验结果表明,改进后的网络对小目标识别的速度有所加快,鲁棒性更好,准确率更高,同时也降低了对硬件配置资源的需求。

摘要： 针对遥测振动信号非线性、非平稳性、瞬态冲击性等特点,提出一种基于时频流形自适应稀疏重构的遥测振动信号特征增强方法,对振动信号进行相空间重构提取其时频流形;以时频流形为基础,采用KSVD算法自适应构建过完备字典,并从中找到最匹配的时频原子,根据得到的原子与相空间展开信号的时频分布,依次匹配计算获得其重构的稀疏系数;利用稀疏系数和时频原子对相空间中各维信号的时频分布进行重构,通过时频分布的逆运算和相空间还原得到特征增强信号。仿真和实测信号处理结果验证了算法的有效性。

摘要： 在复杂路况下的行人检测中,行人尺寸变化大,导致小尺寸行人漏检率高,增加了行人检测的难度。为了降低行人检测漏检率,提高行人检测精度,在级联区域卷积神经网络(cascade regional convolutional neural network,Cascade RCNN)的基础上,将浅层特征与深层特征融合,进行深层特征对浅层特征的特征增强,提高深层信息的利用率,并且增加了一条浅层到深层的通道,将浅层信息直接向上进行传递,提高浅层空间信息的利用率;将行人分类和预测框回归的全连接层改为解耦的回归与分类分支,更加稳健地进行分类和回归整个边界框。在Caltech和ETH行人数据集上进行实验,结果表明,改进的Cascade RCNN与原Cascade RCNN相比,在Caltech行人数据集中大中小尺寸行人漏检率分别降低了7.9个百分点、11.4个百分点和9.1个百分点,平均精度均值提高了3.0个百分点;在ETH行人数据集中漏检率降低了5.6个百分点,平均精度均值提高了2.3个百分点。

摘要： 深度卷积神经网络最近在图像超分辨率方面展示了高质量的恢复效果。然而,现有的图像超分辨率方法大多只考虑如何充分利用训练集中固有的静态特性,却忽视了低分辨率图像本身的自相似特征。为了解决这些问题,本文设计了一种自相似特征增强的网络结构(SSEN)。具体来说,本文将可变形卷积嵌入到金字塔结构中并结合跨层次协同注意力,设计出了一个能够充分挖掘多层次自相似特征的模块,即跨层次特征增强模块。此外,本文还在堆叠的密集残差块中引入池化注意力机制,利用条状池化扩大卷积神经网络的感受野并在深层特征中建立远程依赖关系,从而深层特征中相似度较高的部分能够相互补充。在常用的五个基准测试集上进行了大量实验,结果表明,SSEN比现有的方法在重建效果上具有明显提升。

摘要： 针对手部的高自由度问题和结构相似问题引起的三维关键点姿态估计误差,本文提出了一套联合识别、检测以及姿态估计的三维手部骨架姿态回归网络。采用基于YOLOv3的预处理网络,提出基于级联多特征热度图的二维和三维关键点检测网络,并在特征提取网络架构中引入人体骨架手部约束,利用渐进的图卷积神经网络特征增强模块对骨架关键点结果进行进一步精细化修正,完成姿态由粗到细的调整。本文与现有多种算法在不同公共数据集下进行PCK指标和AUC指标比较,本文算法在不同测试集上的AUC指标均达到最高,平均AUC精度达到92.9%。实验表明本文方法可以通过单张二维数据准确、细致地估计三维手部姿态,并且在测试集与自然场景下均有较好表现。

摘要： 针对轮对轴承声音信号故障特征难以提取的问题,将非局部均值消噪算法(Non-Local Means,NLM)引入基于声音信号的轴承故障诊断中.考虑到NLM算法仅适用于强信噪比信号的特征提取,对于微弱故障状态下的强噪声信号,其加权运算时取平均值的特性会导致循环故障冲击信息均值化的问题,在NLM算法的基础上提出权重包络谱诊断方法.该方法无需进行滤波操作,而是直接对原始信号加权运算得到信号各点的权值分布曲线作为原信号包络线,从权值的角度消除背景噪声成分,使故障冲击信息得到增强凸显,最后对权值分布曲线进行频谱分析判断故障类型.铁路货车轮对轴承声音信号特征增强案例分析结果验证了本文方法的有效性和优越性.

摘要： 近年来,随着海量高分辨率遥感图像快速积累,亟需高效的遥感图像检索系统.为提升遥感图像检索的性能,本文对基于深度特征的高分辨率遥感图像检索展开研究,提出了一种基于深度融合特征的遥感图像检索方法.首先,基于当前复杂遥感场景下单一特征表示能力不足的问题,提出了一种基于深度网络的遥感图像特征均值-最大池化加权融合的方法.其次,基于该融合方法,构建了一套完整的遥感图像检索的系统框架.该系统框架结合了数据集特征增强、查询扩展等检索方法,进一步提升了遥感图像检索性能.最后,为了训练有效的深度网络,基于当今遥感图像检索数据集数量比较稀缺、常见数据集体量较小且场景较单一的现状,本文构建了一个场景丰富、体量较大的高分辨率遥感图像数据集.实验表明,该方法能够有效地提升深度特征在遥感图像中的检索效果.

摘要： 雾霾的存在使图像质量显著降低,视觉效果变差,为提高光学遥感图像质量并充分发挥其应用价值,去除雾霾始终是遥感图预处理的重要内容.去除图像中雾霾的本质就是图像增强或图像恢复,因此文中从图像特征增强和提高图像应用价值的角度,提出了一种基于灰度和模型的图像雾霾去除算法.该算法充分利用彩色图像的物理模型、图像的直方图增强、图像的灰度级增强和雾霾产生机理等方法和原理,来实现图像雾霾的去除及特征增强.用不同方法和不同数据进行了比较验证实验,获得了较好的实验结果.实验结果表明新方法不仅能够有效去除雾霾,而且具有简单、易实现、耗时少和普适性强等优点.

摘要： 富模型特征由于特征维数较高,冗余较多,使得正常特征与隐写特征的区分度不明显,为了提高特征区分度,增强特征分类效果,便于后续分类器的分类.本文利用失真代价函数选择图像的细节区域,提取细节特征,然后利用主成分分析的方法将完整图像的特征和细节特征融合,生成新特征.实验结果表明,新特征特征在相同维数下比原始特征的分类错误率要低,并且,实验结果的可靠性也进一步的增强.本文中所提出的方法对于增强特征分类效果有作用.

摘要： 本发明公布了一种基于特征金字塔网络的图像目标检测方法，在送入目标检测器之前采用的骨干网络模型中增加自顶向下模块TDM、自底向上模块BUM和融合扩展模块FEM，从而形成新型的增强特征金字塔网络eFPN，能够同时增强对小尺寸物体、大尺寸物体和中等尺寸物体的检测性能，只引入很少的参数和计算量，更好地解决目标检测过程中多尺度目标的问题，显著增强单阶段网络和双阶段网络的性能，由此提高图像中多尺度目标物体的检测性能。

摘要： 一种T2加权影像特征生成动态增强影像特征的方法，包括：采集乳腺癌T2加权影像；对采集得到的T2加权影像进行乳房分割处理，得到乳房影像；对乳房影像利用训练好的卷积神经网络提取T2加权影像特征；基于T2加权影像特征，利用训练好的深度生成对抗网络，生成动态增强影像特征；基于新生成的动态增强影像特征进行乳腺癌病理信息分类，病理信息分类包含：良恶性分类、分子分型分类等。相对于传统的直接基于T2加权影像特征的病理信息分类方法，本发明生成的动态增强影像特征具有更高的灵敏度，相对于基于动态增强影像特征的病理信息分类方法，本发明成像成本低，扫描时间快，是一种更加低廉快捷的诊断方法。

摘要： 本发明公布了一种基于特征金字塔网络的图像目标检测方法，在送入目标检测器之前采用的骨干网络模型中增加自顶向下模块TDM、自底向上模块BUM和融合扩展模块FEM，从而形成新型的增强特征金字塔网络eFPN，能够同时增强对小尺寸物体、大尺寸物体和中等尺寸物体的检测性能，只引入很少的参数和计算量，更好地解决目标检测过程中多尺度目标的问题，显著增强单阶段网络和双阶段网络的性能，由此提高图像中多尺度目标物体的检测性能。

摘要： 本发明涉及一种基于多尺度特征融合和特征增强的遥感图像目标检测方法，采用自适应多尺度特征融合模块进行特征融合，融合过程中同时采用更多的横向连接，增加相邻特征之间的交流，充分利用提取的多尺度特征，丰富特征信息，同时增加跳跃连接，让原始特征参与融合过程，提升网络的多尺度特征表达能力。注意力特征增强模块中不同扩张率的多分支空洞卷积以获取不同大小的感受野，当遥感图像中存在不同大小的物体时，可以同时提取不同尺度目标的特征，提高网络对目标尺度的泛化能力，并采用混合注意力机制模块，弱化背景和噪声信息的同时增强目标的特征信息。

摘要： 本发明公开了基于数据增强和自监督特征增强的网络入侵检测方法，该方法包括：对数据进行预处理，预处理后的数据集包括正常样本和攻击类样本，使用自编码器对攻击类样本进行数据增强，扩充攻击类样本数；构建CNN‑BiLSTM神经网络和自编码器组成半自监督模型分别提取高维流量特征和自监督特征；将特征增强后的组合特征作为最终特征输入到分类模型中进行预测，对网络流量进行分类判断其是否是攻击流量，实现网络入侵检测的功能。本方法对攻击类样本进行数据增强的同时，还利用自监督模型提取自监督特征对流量特征进行增强，辅助CNN‑BiLSTM网络完成后续的分类任务，进一步提高了网络入侵的检测精度，提高了对未知攻击的检测功能，降低了误报率。

摘要： 一种基于长时增强特征增强及稀疏动态采样的快速行为检测方法，对视频直接进行时空联合的三维特征提取后进行时域检测，利用全局的长时信息对三维特征进行长时增强，根据时域检测结果对长时增强的特征沿时间维度在时域区间内进行稀疏动态采样，得到空间检测结果后与时域检测结果相结合，利用每个特征向量及其偏移向量计算检测框的相似度并通过逐帧聚类的方法实现检测框的链接，得到的检测框的集合，即行为管道。本发明能够显著提升分类精度以及定位精度从而最终有效提升检测的准确率，同时能够提升视频行为检测的运行效率。

摘要： 适用于行人目标检测的高低频交织边缘特征增强方法及构建增强网络的方法，属于目标检测技术领域，要点包括：S1、选取卷积模块进行维度变换，调整特征图尺度，根据频率分配系数提取高低频特征分量；S2、将输出的高频分量经过池化和卷积模块与低频分量融合；S3、将输出的低频分量经过卷积和上采样模块与高频分量融合；S4、将输出的高频、低频融合分量经过反卷积返回特征原尺度，共同作用输出特征融合信息。效果是可以作为独立单元嵌入到深度神经网络行人目标检测系统中，能够显著增强行人目标的边缘轮廓特征信息，提升检测精度。

摘要： 本发明涉及一种基于多尺度特征融合和特征增强的遥感图像目标检测方法，采用自适应多尺度特征融合模块进行特征融合，融合过程中同时采用更多的横向连接，增加相邻特征之间的交流，充分利用提取的多尺度特征，丰富特征信息，同时增加跳跃连接，让原始特征参与融合过程，提升网络的多尺度特征表达能力。注意力特征增强模块中不同扩张率的多分支空洞卷积以获取不同大小的感受野，当遥感图像中存在不同大小的物体时，可以同时提取不同尺度目标的特征，提高网络对目标尺度的泛化能力，并采用混合注意力机制模块，弱化背景和噪声信息的同时增强目标的特征信息。

摘要： 本发明提供一种全局特征增强的小目标特征提取方法和装置。所述方法包括：前向传播得到多尺度特征图；对所述多尺度特征图进行全局语义增强；多路径融合增强多尺度特征；微调融合特征；缩放融合特征再和增强特征短连接；对目标进行检测。所述方法通过全局语义增强模块对小目标的信息进行全局建模，增强小目标在特征图中的显著性，提高小目标的识别检测能力；通过在特征金字塔中进行多路径融合，可提高检测小目标的准确率。另外，本发明提供的全局语义增强模块可方便地嵌入到现有的多种网络结构中，实现在不同的网络结构对小目标进行特征增强，普适性强。

摘要： 本发明属于计算机视觉技术领域，公开了基于注意力特征融合和空洞残差特征增强的文本检测方法，包括对包含文本的自然场景图片进行特征提取，得到多尺度特征图；对多尺度特征图中的顶层特征图进行降维处理，顶层特征图通过空洞残差特征增强模块生成全新的顶层特征图，全新的顶层特征图作为深层特征图参与后续的特征融合；采用双向特征金字塔与注意力特征融合模块相结合的方式，进行多层的特征融合；对融合后的特征图进行后处理，实现任意形状文本的检测。本发明可以保证信息的双向流动的同时最大化融合重要的特征，提高文本区域的局部关注度，提升不同特征通道之间的联系，扩大感受野的同时解决顶层特征图降维导致语义信息丢失的问题。