多尺度特征

摘要： 低剂量CT可以降低X射线辐射、减少对人体的伤害,但成像质量也会显著下降。为得到具有精细结构细节的高质量成像,提出一种基于多尺度残差生成网络的低剂量CT图像超分辨率重建算法,在保持病理不变情况下,从低分辨率图像中恢复高分辨率图像。首先,多尺度网络可以充分利用不同大小图像特征,丰富图像细节信息,提高重建过程中对特征的利用率;其次,引入残差网络,在实现特征重复利用的同时能够很好地防止过拟合现象;最后,将对抗损失和内容损失相结合,约束特征生成的同时能够获得感知质量更好的重建图像。结果表明,该方法在结构相似性、特征相似性、峰值信噪比指标上分别约提高0.047、0.0228和1.962,算法的IS、FID、SWD性能也比其他两种基于生成对抗网络算法要好,并且在边缘轮廓细节面有更好的表现。为了验证内容损失的有效性,将MSRGAN和其3种变化模型进行比较:MSRGAN相对其变化模型在结构相似性指标平均高出4%,特征相似性指标平均高出3.1%,峰值信噪比指标平均高出17.4%,说明了这种损失函数能够提高超分辨率图像的感知质量,充分证明所提算法的有效性。

摘要： 语义分割作完成像素级的分类任务,上下文信息对分割的性能有重要的影响。为了获取更丰富的上下文信息,采用ResNet作为主干网络,设计了一个基于多维度注意模块(Multidimensional attention,MDA)和多尺度上采样模块(Multiscale upsampling,MSU)的编码器-解码器结构。多维度注意力模块计算三个维度的注意力矩阵,以获取每个位置的依赖性,同时注意力机制能自适应地捕捉图像特征。多尺度上采样模块采用并行分支来捕获图像的多尺度特征,多尺度特征聚合有效地增强了图像的上下文信息。在Cityscapes和Camvid数据集上进行的一系列实验表明,该网络能有效提升图像分割精度。

摘要： 肋骨骨折是临床医学中一种常见的疾病,人工判别骨折的方法具有工作量大、识别难度大等问题.为了高效实现肋骨骨折的计算机辅助诊断,本文提出了一种基于RF-Net(rib fracture network)的肋骨骨折识别算法.该算法首先利用生成对抗网络对原始数据进行数据增强扩建数据集,以缓解过拟合现象且使模型进行有效训练.其次,算法使用RF-block提取肋骨的多尺度特征进行融合,增强网络的特征提取能力.同时,本文使用压缩策略对模型结构进行优化,从而减少模型计算代价.最后,本文在来自于医院的肋骨数据集上开展实验,结果表明本文方法在准确率、AUC值、敏感度、特异度多个指标上表现优异.与现有方法相比,本文算法可更准确快速的对肋骨骨折进行识别,能够为医生的诊断提供可靠依据.

摘要： 近年来,基于深度学习的显著性目标检测(SOD)取得了很大进展。目前主流的基于深度学习方法的RGB显著性目标检测,忽略了编码器和解码器之间信息交换,以及不同层级编码器对最终预测图的贡献差异。本文设计了一种基于多尺度特征解码的RGB显著性目标检测网络,通过在编码和解码模块之间增加精炼过渡层和注意力机制,对编码器输出特征进行打磨,以还原更详细的显著性信息。此外,在网络的顶部增加感受野增强模块,以定位不同尺度信息,增强深层特征的全局语义信息,使预测结果更准确。在主流的6个数据集上的测试结果显示,本文的方法优于其他同类算法。

摘要： 高压断路器分合闸过程中的振动信号反映其机械结构信息。针对故障诊断中特征提取复杂、准确率低,提出一种基于多尺度一维卷积神经网络的高压断路器故障诊断方法。首先通过加速度传感器采集断路器操作机构的振动信号,对数据进行预处理,在卷积过程中采用不同尺寸卷积核对信号进行多特征提取,增加感知范围,然后以全值Top-k作为池化层对特征进行处理,最后采用Softmax将诊断结果进行分类。通过调整参数及多尺度模型,对不同故障下35kV高压断路器的振动信号进行分析。结果表明,所提出的算法与一维卷积神经网络相比诊断准确率高。

摘要： 工业品表面缺陷检测是工业产品质量评估的关键环节,实现快速、准确、高效的检测对提升工业产能具有重要意义;该研究针对传统神经网络提取特征尺度单一、参数量大,网络训练效率低等问题,提出了一种基于残差网络的多尺度特征融合与RBN结合的残差网络模型;首先该模型通过多尺度卷积特征融合模块提取不同尺度的特征信息;然后,通过引入RBN层,使特征分布更加均匀;最后,采用全局平均池化代替传统的全连接层来减少模型的参数量,实现输出通道与特征类别的直接映射;该研究提出的网络模型在公开数据集NEU-DET上进行实验,识别率达到100%,在天池人工智能大赛铝型材缺陷数据集上的识别率达到98.8%,模型性能较为优异,可以很好地完成工业品表面缺陷检测任务。

摘要： 近年来基于深度模型分割已成为肺结节分割的主要方法,但多数深度模型的精度与轻量性难以共存,且大模型不利于方便部署。为了得到一种轻量级且尽可能不损失精度的模型,提出了一种基于M-VNet的肺结节分割方法。该网络总体设计继承V-Net结构,并添加了不同深度路线平衡细节信息和语义信息,使用路线注意力机制进行高效融合。M-Block组件设计将残差信息纳入卷积计算,在有效缩小模型的同时保留模型的优异分割性能。研究结果显示,M-VNet在参数量仅为V-Net的13%的情况下,骰子系数较V-Net提高4%。使用LIDC-IDRI肺结节公开数据集对基线模型和改进模型进行性能评估,结果表明M-VNet的性能优异,对不同形态的肺结节分割效果良好且性能稳定。该方法在肺结节分割和提高诊断速度、准确率方面具有一定的临床应用价值。

摘要： 行人重识别是利用计算机视觉技术判断图像或者视频序列中是否存在特定行人的技术。受行人姿态、遮挡、光照变化等因素的影响,传统的行人重识别方法中特征的表达能力有限,导致准确率降低,提出一种融合不同尺度对比池化特征的行人重识别方法。利用残差网络ResNet50提取行人图像的多尺度特征,在网络的不同层次上,通过对输入的特征进行全局平均池化和最大平均池化,将每组平均池化特征和最大池化特征相减,对相减得到的差异特征与最大池化特征进行相加,获得具有强判别性的对比池化特征。在此基础上,利用三元组损失和交叉熵损失联合优化模型,提高模型的泛化能力,同时采用重排序技术优化网络性能。实验结果表明,该方法在Market1501和DukeMTMC-reID数据集上的首位命中率分别达到96.41%和91.43%,平均精度均值为94.52%和89.30%,相比SVDNet、GLAD和PCB等方法,其行人重识别的准确率较高。

摘要： 为了加强海上交通的安全性,以常见的民用船和军用船为研究对象,针对原始YOLOV3算法在船舶数据集上检测精度不高、目标框出现误检和小目标漏检的问题,提出了改进的船舶检测算法MS-YOLOV3。构建船舶图像数据集Shipdataset,包括数据采集、增强和标签标注,使用维度聚类算法在该数据集中找出合适尺寸的先验框,并应用于相对应的尺度特征图。以Darknet-53的网络框架为基础特征提取网络,增加网络预测尺度,在多尺度特征融合中加入DCA融合策略,提高模型对船舶的检测能力。以MS-YOLOV3为算法框架,采用GIOU作为边框损失函数的参数,提升模型对边界框位置信息的预测准确度。结果MS-YOLOV3与YOLOV3检测算法的对比实验表明,前者在船舶数据集上的精度有7.9个百分点的提升。同时加入的GIOU边框损失,拉低了模型的平均损失,加强了模型的鲁棒性,使得目标框的定位误差大大减小。根据Pascal VOC2007数据集上的训练效果,MS-YOLOV3的平均精度相较于YOLO系列算法、SSD300和Faster-RCNN,精确度优势更加明显。提出的MS-YOLOV3检测模型使得船舶的位置信息和类别精度更加准确。

摘要： 当前多尺度特征提取方法直接计算多尺度特征关键点,容易受到标准差的均匀噪声干扰,导致其提取到的多尺度特征稳健性差,本文提出复杂地质测量中多尺度特征提取方法研究。确定复杂地质测量数据表现形式,依据概率论和随机过程建立复杂地质测量数据模型;设计复杂地质测量数据分解过程,多尺度分解复杂地质测量数据;定义Beamlet能量处理关系公式,确定测量数据多尺度特征关系;设计多尺度特征提取过程,采用高斯尺度空间的构造方法构造尺度空间完成数据降维,计算数据多尺度特征极值点,筛选极值点确定关键点,确定关键点位置并求解,提取复杂地质测量中多尺度特征。选择复杂地质测量数据,确定仿真环境及仿真参数,仿真结果表明:此次研究方法相较此次实验选择的两组方法,提取到的复杂地质测量数据长期趋势特征,具有较强的抗标准差均匀噪声干扰能力和较优的稳健性。

摘要： 结合混凝土的多尺度特征与多尺度纤维增强理论,阐述了开展多尺度纤维增强混凝土研究的意义,总结了国内外对于混凝土多尺度特征与采用多尺度纤维增强混凝土的研究现状,设计了一种新型的多尺度纤维体系增强水泥基复合材料.

摘要： 对于单胞问题的求解,多尺度特征单元方法不需要边界条件和外部载荷,克服了多尺度方法的一般性问题.本文给出了改进的多尺度特征单元方法,进一步提高了其精度,并在二维问题中验证了方法的有效性 .通过计算分析，结果表明改进的多尺度特征单元方法对单胞内部含载荷的问题及动力学问题精度有明显提升与细网格有限元结果吻合良好。

摘要： 利用1°×1°的NCEP再分析资料、红外辐射亮温(TBB)、多普勒雷达和气柱水汽总量等资料,对2011年7月28-29日发生在山西境内的区域性暴雨进行多尺度特征分析,从而提高对中尺度灾害性天气的预报能力。发现:乌拉尔山阻高崩溃,西风槽东移、副高进退是此次暴雨发生的环流特征.分析结果表明:(1)850hPa低涡切变和700hPa暖式切变线及地面冷锋是暴雨发生的α中尺度触发系统;(2)大于30dBZ的雷达回波呈南北向位于地面冷锋与700hPa切变线之间,雷达回波随地面冷锋和700hPa切变线的东移而东移;(3)低空低涡切变受500hPa强盛西南气流的引导东北行,暴雨落区始终与低涡切变相伴随;(4)暴雨过程山西境内共有9个β中尺度对流云团活动,山西西南部的暴雨主要由5个β中尺度对流云团的相继移入并在自动站极大风速风场切变线附近触发对流发展所致;山西东南部的大暴雨则是3个β中尺度对流云团合并发展的结果,γ中尺度气旋是导致局地大暴雨发生的直接影响系统.(5)暴雨发生在气柱水汽总量空间分布图中水汽锋的南部和东部及靠近气柱水汽总量的大值区一侧,水汽锋的形成较降水开始有17 个小时的提前量,对暴雨的发生有24小时以上的提前量,对暴雨的短期、短时预报很有意义.

摘要： 高比例可再生能源发电并网推动了电力系统装备的电力电子化，导致了由装备动态特性所决定的系统动态稳定机理的重大变革，成为电力电量平衡之外制约可再生能源发展的另一关键瓶颈。与传统电磁化电力系统相比，电力电子化电力系统动态稳定研究面临着多尺度控制下的装备动态特性、多尺度激励下的网络动态特性以及网络上耦合装备间多尺度动态相互作用三个新的基本挑战。以认识和掌握系统动态行为的多尺度特征受装备、网络的多尺度特性及耦合装备间的多尺度相互作用影响的机理和规律性为目标，亟须实现总体研究思路从不基于尺度特征的原型化、数值化的建模和分析向基于尺度特征的模型化、机理化的建模和分析的转变，即从基于信号的实时演化过程和系统的实体关联结构的研究思路向基于信号演化过程的时间尺度特征和系统关联结构的空间尺度特征的研究思路的转变。基本创建了包括基于幅相运动方程的装备建模理论、基于幅相运动方程的网络建模理论、基于自稳性／致稳性的相互作用分析方法以及基于广义稳定器的稳定控制方法四个内涵的多尺度幅相动力学理论。多尺度幅相动力学理论应用于大规模风电并网次同步和超同步振荡问题的认识、分析和解决已取得初步成功。

摘要： 针对低渗透油藏中复杂裂缝的多尺度特征及动态生长机制,本文建立了一套动静结合、多尺度裂缝分级建模的三维离散裂缝建模方法及一套全三维渗流场和应力场的强耦合流动模型,形成了自适应动态非结构化网格、分级裂缝粗化及多物理量解耦技术,并以此构建了离散裂缝建模数模一体化工作流,实现了真实裂缝分布的精细刻画与高效动态模拟.模拟结果表明,本方法能对注水过程中裂缝三维动态扩展进行完整、精细的模拟,单井及区块的含水一次拟合符合率均超过80％,与双重介质模型相比,区块含水一次拟合符合率提高了20％,具有较高的可靠性和广阔的应用前景.

摘要： 通过对江西2016年6月19-22日持续性暴雨大尺度环流背景天气尺度系统结构、水汽、动力、热力条件及中小尺度系统的多尺度综合分析,表明该暴雨过程可分为暖区暴雨、梅雨锋暴雨、锋后暴雨三个阶段,MCS云团移动慢,滞留江西时间长,造成连续短时强降水,另外,此次暴雨的动力、热力和水汽条件充分,多尺度系统叠加,形成了该次持续性暴雨.

摘要： 激光雷达(Light Detection and Ranging,LIDAR)遥感技术的快速发展，提供了高密度的林地点云数据，可以建立高精度的树冠高度模型。利用TCHM建立合适的树冠描述方法，是高分树冠分割和提取的基础，也是目前高空间分辨率遥感树冠研究的重难点之一。提出了一种基于多尺度形态学重建的树冠高度模型的多尺度分层分解(Morphological Reconstruction Canopy Decomposition,MRCD)描述算法.该方法解决了传统的多尺度形态学开运算的树冠高度模型切割(Morphological Open Canopy Segment,MOCS)算法中存在的树冠边缘的误提取问题,更准确的表达树冠高度模型的多尺度特征,可以为树冠种子区域的精细提取和树冠准确分割提供支持.

摘要： 针对言语情感的生成与衍化问题,以汉语朗读语音为对象,采用言语数据库分析和心理语言学、感知语音学实验相结合的方法,构建言语情感多视角描述方案,并探索各视角内部的组成成分及相互间的关联关系;在此基础上,利用机器学习等计算方法,构建言语情感计算模型,以解决多尺度特征处理及动态衍化过程刻画等关键技术问题.

摘要： 采用常规观测资料、卫星、雷达、自动站等精细化监测资料,多尺度分析了2015年7月29日呼和浩特市的强冰雹天气得出:(1)高空冷空气侵入蒙古短波槽,华北小高压与副热带高压形成暖式切变线,地面辐合促发强对流天气.(2)不稳定的垂直结构、低层持续增湿、高层变的更干、风向切变达180°使得呼和浩特市产生大冰雹、雷电天气.(3)α尺度的对流云团在呼和浩特市维持,地面"人字形"切变线南北剧烈"摆动",地面出现强雷电、大冰雹."人字形"切变线缓慢北抬地面出现短时强降水.(4)雷达产品显示有"弓形回波",回波有悬垂结构,距地3km处形成中气旋.(5)雷达风廓线可见低层暖平流、强烈的风切变促发呼和浩特市强冰雹.低层暖平流消失,风的强垂直切变维持,产生短时强降水.(6)短时强降水与冰雹的回波顶高差别不大,但覆盖范围明显缩小.冰雹期间是垂直累计液态水含量迅速聚集时期,短时强降水期间是垂直累计液态水含量高值区移出时段.

摘要： 采用常规观测资料、卫星、雷达、自动站等精细化监测资料,多尺度分析了2015年7月29日呼和浩特市的强冰雹天气得出:(1)高空冷空气侵入蒙古短波槽,华北小高压与副热带高压形成暖式切变线,地面辐合促发强对流天气.(2)不稳定的垂直结构、低层持续增湿、高层变的更干、风向切变达180°使得呼和浩特市产生大冰雹、雷电天气.(3)α尺度的对流云团在呼和浩特市维持,地面"人字形"切变线南北剧烈"摆动",地面出现强雷电、大冰雹."人字形"切变线缓慢北抬地面出现短时强降水.(4)雷达产品显示有"弓形回波",回波有悬垂结构,距地3km处形成中气旋.(5)雷达风廓线可见低层暖平流、强烈的风切变促发呼和浩特市强冰雹.低层暖平流消失,风的强垂直切变维持,产生短时强降水.(6)短时强降水与冰雹的回波顶高差别不大,但覆盖范围明显缩小.冰雹期间是垂直累计液态水含量迅速聚集时期,短时强降水期间是垂直累计液态水含量高值区移出时段.

摘要： 本发明涉及一种基于特征匹配和尺度选择策略的多尺度红外小目标的探测方法，包括如下步骤：步骤一、采用IALM方法对原始红外图像进行分解，从原始红外图像中提取目标的前景部分；步骤二、对目标前景图像进行傅里叶变换，得到目标的幅度谱；步骤三、利用高斯核函数对幅度谱进行卷积，得到各尺度的显著图；步骤四、根据每个尺度图中最大像素值邻接的区域的平均值，筛选出目标凸显的显著图；步骤五、根据所选的显著图中的局部最大信息熵，获得最优显著图；该基于特征匹配和尺度选择策略的多尺度红外小目标的探测方法，不仅在视觉和定量评价方面都取得了令人满意的效果，而且在云层较厚、建筑物亮度较高的红外图像上也取得了较好的效果。

摘要： 本发明提供一种基于显著图引导的分层密集特征融合网络用于提取乳腺病变超声图像多尺度融合特征参数的方法。该方法联合使用线性光谱聚类超像素方法和多尺度区域分组方法处理得到的特征表示图，避免有用信息的丢失，然后搭建一个三分支的分层密集特征融合网络进行前景特征、背景特征的提取和融合，用于提取乳腺病变超声图像多尺度融合特征参数。前景和背景两个进行性密集特征提取分支网络以原始图像和相应的显著图共同作为输入，分别用来有效地提取与该分类任务相关的前景和背景特征。根据前景和背景之间已知的相关性和补充性信息，分层特征融合分支网络将上述前景和背景信息进行多尺度的融合，获得更加准确，更加显著的多尺度融合特征参数。

摘要： 本发明公开了一种结合多级特征依赖与多尺度上下文特征的抑郁识别方法，包括：搭建并改进ResNet101，获得C2、C3、C4及C5四个代表不同级别语义信息和细节信息的情感表征；将多级情感表征输入到多层双向门控网络，提取多级特征间的依赖关系；将多级情感表征发送到多尺度自适应上下文模块，提取相应的多尺度上下文特征，通过跨级融合得到各级的多尺度情感表示O3、O4和O5；将C5级情感表征导入卷积注意力模块，获得带有显著情感区域的情感表示D；通过特征融合得到多线索情感特征E，通过分类网络进行抑郁识别。本发明同时结合级内关联与级间关联来获取更深层更全面的情感，并且对噪声具有鲁棒性。

摘要： 一种基于多尺度特征学习和特征分割的行人重识别方法，主要解决现有技术中仅有两种尺度带来的表征性差和利用人体部位识别提取人体特征不准确造成误差的问题。本发明的具体步骤如下：(1)构建多尺度特征学习模块；(2)构建特征分割模块；(3)构建特征学习网络；(4)对包含行人的视频进行预处理；(5)训练特征学习网络；(6)计算特征距离；(7)获得匹配图像；本发明利用多尺度特征学习模块提取行人图像多尺度特征，利用特征分割模块提取全局特征和粗细两种粒度的局部特征，所提特征可区分性好，鲁棒性高，使行人重识别达到较高的精度。

摘要： 本发明公开了一种基于多尺度特征融合的全局特征对齐特征对齐目标检测技术。该发明可以进一步增强以Faster R‑CNN为代表的目标检测算法在不同应用场景下的泛化性能。以往基于全局特征对齐的目标检测技术通常存在两个问题：一是特征对齐尺度单一，且未减小由目标尺寸大小不同带来的域间差异；二是以往全局特征对齐在前景目标特征的同时，强制对齐了背景特征，影响特征对齐效果。本发明提出的基于多尺度特征融合的全局特征对齐特征对齐目标检测方法，将不同尺度的特征图进行融合，使得不同尺寸大小的目标特征一同对齐，并进行背景抑制，减少背景噪声影响，将网络注意力更多放在前景目标特征对齐上。

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： 本发明公开了一种基于多尺度特征融合的小尺度行人检测方法。首先将输入图像通过主干网络进行下采样，然后针对小尺度目标使用多尺度特征融合增强模块(MFFE)提取行人特征，最后送入检测器获得分类结果。其中多尺度特征融合增强模块包含两个部分，感受野增强模块和自适应空间特征融合模块。本发明的核心多尺度特征融合增强模块关注不同层级行人特征的提取与融合，加强对不同尺度特征图的利用，可以嵌入应用于不同行人检测网络，具有可迁移性和可扩展性，提高了网络对小尺度行人的检测能力，对提升行人检测效果具有明显帮助。

摘要： 本发明基于注意力机制与多尺度特征融合的行人特征提取方法属于计算机视觉、机器视觉和深度学习技术领域；该方法依次执行以下步骤：构建自上而下渐进式交互模块；构建M‑Convolution注意力机制模块；设置评价指标；评价行人特征提取方法的有效性；本发明在数据集上通过Resnet50+FPN、Resnet50+FPN+M‑convolution、Resnet50+MPN三种行人特征提取方法进行训练，经过对比mAP、Rank‑1和Rank‑5三个衡量指标，本发明构建的两个模块在三个指标上的表现均有不同程度的提高，验证了基于注意力机制与多尺度特征融合的行人特征提取方法的有效性，具有较大的实用价值。

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： 本发明提供的一种基于多尺度特征融合的可学习局部特征描述子的方法和一种基于多尺度特征融合的可学习局部特征描述子提取装置，通过构建图像匹配数据集，采集图像数据，将图像数据进行预处理后中心环绕切割，获取图像不同大小的尺寸，并转换成预处理后的图像，然后将预处理后的图像进行特征提取，获取三个尺寸对应的图像特征，对三个尺寸对应的图像特征进行特征融合并形成特征描述符，求误差值并根据损失函数更新，准确提取图像的采集野，实现对图像数据的高效采集。