感受野

摘要： 图像主体轮廓包含图像非常重要的信息,精准有效地提取图像主体轮廓不仅能减少信息冗余,而且能降低后续图像分析和处理的时间复杂度.本文基于视觉神经元信息处理机理,提出了一种基于时空脉冲编码的图像主体轮廓提取方法.首先,利用Gabor函数模拟神经节细胞感受野对图像进行多尺度多方向的信息提取;其次,模拟视网膜非经典感受野构建各向异性抑制模型抑制图像背景纹理边缘.然后针对不同尺度感受野获取的视觉图像,基于视觉感受野小尺度可以提取到图像的大多数细节纹理信息,而大尺度下提取可以使图像大部分细节纹理消失只保留一些主体轮廓的特性自适应调整权值,进行时空脉冲编码;最后,采用漏积分点火神经元模型提取图像主体轮廓,并采用非极大值抑制和滞后阈值二值化处理获得最终图像主体轮廓.从主观和客观两方面在RUG40数据库上对本文提出的方法进行仿真验证,并与现有的主流的图像轮廓提取方法进行性能对比.实验结果表明,本文提出的方法能够有效地提高主体轮廓提取的精度的同时减少图像主体轮廓冗余信息.

摘要： 由于行人重识别面临姿态变化、遮挡干扰、光照差异等挑战,因此提取判别力强的行人特征至关重要.本文提出一种在全局特征基础上进行改进的行人重识别方法,首先,设计多重感受野融合模块充分获取行人上下文信息,提升全局特征辨别力;其次,采用GeM池化获取细粒度特征;最后,构建多分支网络,融合网络不同深度的特征预测行人身份.本文方法在Market1501和DukeMTMC-ReID两大数据集上的mAP指标分别达到83.8%和74.9%.实验结果表明,本文方法有效改进了基于全局特征的模型,提升了行人重识别的识别准确率.

摘要： 为了解决人脸检测中由于目标遮挡、背景复杂导致性能下降以及神经网络模型过大导致难以在低性能设备部署问题,在YOLOv4-Tiny的基础上引入SD(Self-DeConvolution)模块,提出了YOLO-SD-Tiny网络模型.在特征金字塔网络引入拥有更大感受野和更轻量级的SD模块,在部分网络层中采用Mish激活函数,损失函数采用CIOU边界框回归损失和GHM分类损失.实验结果表明:与原YOLOv4-Tiny相比,所提出的YOLO-SD-Tiny在遮挡场景下的人脸检测在准确率和实时性上有一定提升.

摘要： 针对传统视觉定位系统所存在的检测精度低等缺点,提出一种基于改进YOLOv5的自定义靶标视觉定位算法。为进一步增强网络的检测能力,分别融入具有多层感受野与细粒度的模块与改进的特征增强模块,利用Distance-IOU与Focal Loss改进损失函数;使用快速解码算法得到编码信息。实验结果表明,在自制数据集上,改进后的YOLOv5模型获得较好的平均准确精度得分与检测速度,满足实时性与准确性的需求,为视觉定位提供了一种的解决方案。

摘要： 针对高速铁路综合巡检车拍摄到的轨道巡检原始图像在某些工况下成像质量差的问题,基于视觉系统神经电生理试验提出了RGC的nCRF模型。由于感受野模型中存在不同的高斯通道,通过设计能自适应显示抑制强度变化的势函数改进了基本模型,提出mnCRF模型来改变抑制效果。根据边缘对比度指数QEC、细节增强指数QDE、灰度保持指数QMG三个图像增强测量指标,利用nCRF、mnCRF模型对图像处理标准测试库的图像及综合巡检车采集到的高速铁路轨道巡检图像进行加强处理,并与HE、Retinex算法的处理结果进行对比。结果表明:nCRF和mnCRF模型优于对比算法,可以使轨道巡检图像上的小部件如STF、TP等图像增强,同时具有边缘增强、细节增强和灰度保持的图像处理功能,有利于后续的智能分析处理。

摘要： 基于深度学习的合成孔径雷达船舶检测方法大多依赖于强大的图形处理器来实现良好的检测精度,却忽略了检测速度和算法的部署应用。针对上述问题,本文提出一种有效增强感受野的轻量化合成孔径雷达船舶检测算法。首先,使用ShuffleNetV2作为主干特征提取网络,有利于减小计算参数量和模型大小;其次,引入改进型空间金字塔池化模块与空间注意力模块,有效扩大模型感受野,进一步挖掘船舶特征信息;然后,采用改进的路径聚合网络,自底向上传递更丰富的船舶定位特征,增加浅层位置信息和多尺度特征,进一步提高模型的特征提取能力。使用SAR船舶数据集对本文算法进行验证,实验结果表明,模型大小为5.3 MB,平均检测精度可达94.7%,检测速度为46 FPS,同时具有高精度、高实时性和易移植性等优点。

摘要： 人脸深度伪造图像的生成过程是对目标人脸进行替换,由于不同图片的肤色和光照等差异,在人脸周围会产生比较分散的伪影边界,且对人脸进行裁剪之后会包含部分背景信息的干扰。针对深度伪造图像的生成特点,区别于常规的CNN分类识别网络,设计了一种符合伪造痕迹特点的检测网络。首先,利用Resnet34卷积神经网络对待检测的图像提取初步的伪造特征;其次,经过空洞卷积提高网络模型的感受野来更好地捕获比较分散的伪造痕迹;再由空间注意力模块进行权重的重加权,减少其他背景信息的干扰;最后使用多层全连接神经网络对特征进行分类,达到对深度伪造图片进行准确分类的目的。在Faceforensics++、Celeb-DF、DFDC三个主流数据集上进行实验,并取得比当前其他方法更好的效果。实验结果表明,所提方法结合了空洞卷积和注意力机制,应对不同人脸截取比例的伪造图像拥有更好的适应性。

摘要： 传统的人工巡检和查看监控检测安全帽佩戴的方法容易造成漏检、误检,因此提出一种基于改进YOLOv4算法的安全帽检测方法。首先,采用百度AI Studio平台的公开安全帽数据集和网络爬虫收集数据,自制安全帽佩戴情况数据集;再使用Mosaci、图像翻转等多种数据增强算法丰富图像信息;引入K⁃means聚类更新锚框尺寸,空洞卷积扩大感受野和标签平滑防止模型过拟合,以提升中小物体检测性能。经实验验证,改进版YOLOv4算法较原始YOLOv4算法mAP提升了1.77%;与Faster RCNN相比mAP提升了4.13%,小物体目标检测效果mAP提升了12.71%,检测速度提升20倍。实例结果显示,改进版YOLOv4算法无漏检、误检情况,可准确检测出未佩戴安全帽的人员,有效减少了安全隐患。

摘要： EAST具有较高的识别准确率,但上述算法受到感受野的限制,以及样本权重的不合理,导致其对长文本检测率较低。因此在AdvancedEAST的基础上对其网络结构进行改进,加入空洞卷积结构提高网络的感受野,增加1*5以及5*1的对称卷积结构以提升对横竖排长文本的检测效果。在ICPR2018数据集上的实验结果表明,对网络的改进,降低了算法的loss,提升了对长文本的检测效果,较传统EAST算法更优。

摘要： 低照度是夜晚拍摄时常见的一种现象,不充分的光照会使图像细节损失严重,降低图像视觉质量。针对现有低照度图像增强方法对不同尺度特征的感知和表达能力存在不足的问题,提出一种基于U-Net的多尺度低照度图像增强网络(MSU-LIIEN)。采用特征金字塔作为基本处理框架,实现对低照度图像的特征提取。在特征金字塔构建的3个分支结构中均使用U-Net作为骨干网,对提取到的浅层图像特征进行编码与解码操作,同时引入结构细节残差融合块以增强网络模型提取和表征低照度图像特征信息的能力。在此基础上,对提取到的特征信息逐层融合,恢复正常光照图像。实验结果表明,MSU-LIIEN在LOL-datasets和Brighting Train数据集中相比于性能排名第二的KinD模型,平均峰值信噪比分别提高16.21%和46.67%,且在主观视野感受和客观评价指标方面均优于所有对比的经典模型,不但能有效提升低照度图像的整体亮度,而且能很好地保持图像中的细节信息和清晰的物体边缘轮廓,使增强后的图像整体画面真实自然。

摘要： 长期以来,人的视觉系统如何工作一直是神经生物学,心理学,机器视觉及有关交叉学科重视的研究的问题.但对视皮层如何利用感受野,方向拄等概念构筑图像的表象仍然缺乏整体的了解.本文结合心理学的结果,稀疏编码理论,提出多分辨统计的方法,给出图像梯度按空间方向分类的表示,在此基础上,描述感受野的数学意义,诠释神经元方向柱所执行的统计算法.依据现代神经科学实验技术,本文观点可以通过实验进一步验证.

摘要： 长期以来，人的视觉系统如何工作一直是神经生物学，心理学，机器视觉及有关交叉学科重视的研究的问题。从上世纪60年代至今，神经科学已积累了大量实验结果，提出了有效编码，稀疏编码等理论。但对视皮层，如何利用感受野，方向柱等概念构筑图像的表象仍然缺乏整体的了解。本文结合心理学的结果，稀疏编码理论，提出多分辨统计的方法，给出图像梯度按空间方向分类的表示，在此基础上，描述感受野的数学意义，诠释神经元方向柱所执行的统计算法。依据现代神经科学实验技术，本文观点可以通过实验进一步检证。

摘要： 视觉是人类与环境进行交互的最主要功能，人类从外部获取信息的80%来自于视觉。视觉研究与人脑信息处理加工、学习记忆、抽象思维等高级功能具有紧密的联系，是加深对脑功能认识的重要途径。对感受野的研究是探索视觉的脑处理机制的重要组成部分。随着研究的深入，感受野外周调制作用引起了越来越多的学者关注。人们普遍认为这种基于水平连接的调制作用与视觉处理的全局加工相关。本文提出了一个基于这种观点的初级视皮层时-空整合模型，通过对输入图像序列进行仿真，说明了这种水平连接在抑制噪声及正确表达图形运动信息方面的作用。

摘要： 图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在.由于获得图像的角度和位置的不同,使得同一目标在不同图像中会有较大的变形,如何能够正确的识别出该目标是至今未能很好解决的问题.相比之下,人和动物在复杂的环境中,几乎在各种角度和位置的情况下,均可以可靠的识别出目标,并能完成对该目标的跟踪锁定.因此生物视觉的工作机理成为了当前学者研究的热点,在继承和发展了当前国际上该领域的最新研究成果的基础上,实现了生物视觉原理下的目标识别与跟踪算法,经过大量真实图像的试验,证明了该算法的鲁棒性.

摘要： 图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在.由于获得图像的角度和位置的不同,使得同一目标在不同图像中会有较大的变形,如何能够正确的识别出该目标是至今未能很好解决的问题.相比之下,人和动物在复杂的环境中,几乎在各种角度和位置的情况下,均可以可靠的识别出目标,并能完成对该目标的跟踪锁定.因此生物视觉的工作机理成为了当前学者研究的热点,在继承和发展了当前国际上该领域的最新研究成果的基础上,实现了生物视觉原理下的目标识别与跟踪算法,经过大量真实图像的试验,证明了该算法的鲁棒性.

摘要： 图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在.由于获得图像的角度和位置的不同,使得同一目标在不同图像中会有较大的变形,如何能够正确的识别出该目标是至今未能很好解决的问题.相比之下,人和动物在复杂的环境中,几乎在各种角度和位置的情况下,均可以可靠的识别出目标,并能完成对该目标的跟踪锁定.因此生物视觉的工作机理成为了当前学者研究的热点,在继承和发展了当前国际上该领域的最新研究成果的基础上,实现了生物视觉原理下的目标识别与跟踪算法,经过大量真实图像的试验,证明了该算法的鲁棒性.

摘要： 图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在.由于获得图像的角度和位置的不同,使得同一目标在不同图像中会有较大的变形,如何能够正确的识别出该目标是至今未能很好解决的问题.相比之下,人和动物在复杂的环境中,几乎在各种角度和位置的情况下,均可以可靠的识别出目标,并能完成对该目标的跟踪锁定.因此生物视觉的工作机理成为了当前学者研究的热点,在继承和发展了当前国际上该领域的最新研究成果的基础上,实现了生物视觉原理下的目标识别与跟踪算法,经过大量真实图像的试验,证明了该算法的鲁棒性.

摘要： 图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在.由于获得图像的角度和位置的不同,使得同一目标在不同图像中会有较大的变形,如何能够正确的识别出该目标是至今未能很好解决的问题.相比之下,人和动物在复杂的环境中,几乎在各种角度和位置的情况下,均可以可靠的识别出目标,并能完成对该目标的跟踪锁定.因此生物视觉的工作机理成为了当前学者研究的热点,在继承和发展了当前国际上该领域的最新研究成果的基础上,实现了生物视觉原理下的目标识别与跟踪算法,经过大量真实图像的试验,证明了该算法的鲁棒性.

摘要： 人眼对于视觉信号在不同的分辨尺度上有多个频率离散的通道,各个通道对信号的不同频率成分有不同的敏感度,视觉信息是这些通道信号的合成,其特点是中心激发、周边抑制.本文提出了一种基于子波变换的具有反馈环节的人类视觉信息提取的数学模型,利用子波变换在频域上分解图像信号,并对各图像分量作适当的变换,来对应人类视觉系统的不同通道,然后利用子波逆变换合成与人类视觉提取的信息相一致的图像.文中对该模型进行了详细的分析和讨论.

摘要： 人眼对于视觉信号在不同的分辨尺度上有多个频率离散的通道,各个通道对信号的不同频率成分有不同的敏感度,视觉信息是这些通道信号的合成,其特点是中心激发、周边抑制.本文提出了一种基于子波变换的具有反馈环节的人类视觉信息提取的数学模型,利用子波变换在频域上分解图像信号,并对各图像分量作适当的变换,来对应人类视觉系统的不同通道,然后利用子波逆变换合成与人类视觉提取的信息相一致的图像.文中对该模型进行了详细的分析和讨论.

摘要： 本发明涉及一种多感受野图注意力网络的高光谱图像分类方法。通过使用无监督主成分分析方法和简单线性迭代聚类，将原始高光谱图像准确地划分为自适应局部区域；采用双层卷积神经网络提取像素的光谱特征减少需要计算的节点数，抑制原始高光谱图像噪声；构造基于超像素立方体的多感受野图；利用多特征注意力模块提取局部节点特征和边特征并采用图形注意网络学习两个特征的重要系数；利用特征融合注意力模块融合各感受野节点‑边特征，给出了分类节点的特征,最后利用交叉熵损失对图像特征进行解释得到每个像素的标签，使高光谱图像正确分类。与现有技术相比，能够自动提取高光谱特征并完成分类，分类正确率达到93％以上。

摘要： 本发明公开了一种基于融合改进CLBP和感受野理论的煤岩图像识别分类方法，属于图像处理技术领域。首先，对煤岩图像进行灰度值转化，提取灰度图像的每一点像素值形成像素值矩阵，再使用中值处理的方法就像素矩阵进行降噪的操作，以增强算法的抗噪性能，在中值处理后得到的新的像素矩阵基础上，引入改进的完备局部二值模式（CLBP）图像特征描述子进行煤岩特征提取，最后使用网络模型进行识别分类。实验结果表明在煤岩数据库中对于煤岩的识别准确率达到94%，并且识别速率也比原始算法更优秀，本发明能有效的解决原始算法识别效率低下的问题，在煤岩识别的方法中能够高效的解决实际问题，具有一定的实用价值。

摘要： 本发明提供一种基于多尺度感受野的多时相遥感图像配准方法及系统，包括：获取多组多时相遥感图像，并对各多时相遥感图像根据预定方式进行处理，得到样本训练集；基于小感受野特征网络和大感受野特征网络构建卷积神经网络模型，并对卷积神经网络模型进行训练；基于训练后的卷积神经网络模型获取源图像的图像块的小感受野特征向量及目标图像的小感受野特征张量，构建小感受野特征距离图；基于小感受野特征距离图确定目标图像的小感受野特征张量上的与小感受野特征向量相似度最高的向量，并生成关键点匹配对；保留正确的关键点匹配对，根据正确的关键点匹配对计算源图像与目标图像之间的空间变换关系参数，基于空间变换关系参数进行图像配准。

摘要： 本发明涉及一种基于中心差分卷积和感受野特征融合的人脸活体检测方法，步骤如下：对输入图像进行人脸识别判断，保留最大中心区域，根据由dlib标志点检测器检测到的眼睛坐标来分割和归一化图像的面部。对面部图进行分组中心差分卷积操作，获得人脸图像特征图；设计三个不同的Cell(low‑level、mid‑level和high‑level)用于提取多层次人脸图像融合特征，并用残差连接的方式将三个level连接起来；对于所有的Cell采用神经架构搜索方法，使每个节点的操作从操作空间O中由网络自主选择；来自不同level的特征F通过感受野的空间注意力进行细化，然后组合成多尺度感受野特征；将融合特征送入自动编码器中进行降维；将上一步经过降维后的特征送入SVM，即可根据SVM的输出数据完成人脸活体检测。

摘要： 感受野自适应的变电站绝缘子缺陷检测神经网络构建方法，基于真实场景下变电站巡检图像，采用缺陷模拟技术生成绝缘子缺陷样本，构建缺陷检测神经网络，采用ResNest网络进行特征提取，获得三个不同分辨率的特征图，经FPN以通道拼接方式进行多尺度特征融合，以实现跨特征层的信息交互。将FPN网络生成的不同分辨率特征图送入感受野自适应选择模块，以学习不同尺度目标所需的感受野，最后输入检测头获得类别预测和边框回归预测结果。采用本发明所述的方法，能够充分提取兼顾深层语义信息和浅层细节信息的图像特征，动态调整检测头的感受野，增强特征的表达能力，从而提升目标检测的精度和鲁棒性，以实现更精准的检测。

摘要： 本发明提供了面向感知的具有大感受野的图像超分辨率重建方法及系统，涉及图像处理领域，首先，对超分辨率重建数据集中的原始数据进行预处理，构建出成对的LR‑HR训练数据；其次，将预处理好的数据集输入到面向PSNR具有感受野的超分辨率重建网络中，仅采用L1作为训练损失进行训练；然后，使用训练过的面向PSNR的模型作为生成器的初始化，将鉴别器与生成器交替训练，得到最终的超分辨率重建模型；最后，加载上述模型，将所需要超分的图片输入到训练完的超分辨率重建网络模型中，得到低分辨率图像所对应的高分辨率图像。本发明有效的提取了图像多尺度信息，并且能够重建出更多的高频信息以及复杂的纹理细节等，在图像感知指标上有显著提高。

摘要： 本发明涉及一种基于多感受野与改进胶囊图神经网络的滚动轴承故障诊断方法，包括步骤S1，通过加速度传感器获取带有正常与多个故障标签的滚动轴承时域振动信号数据，数据预处理，划分训练集和测试集；步骤S2，运用改进的多感受野模型基于时域信号构建图卷积层，提取经过图卷积层输出的图特征表示；步骤S3，将由图卷积层输出的特征表示输入改进的胶囊图神经网络，胶囊图神经网络运用注意力机制和动态路由机制，依次由主胶囊层、图胶囊层和类胶囊层组成，实现高层特征提取与分类；步骤S4，使用训练集训练经S1、S2和S3构建的滚动轴承故障诊断模型，并用测试集进行测试评估，得到轴承状态诊断结果。本发明不依赖于信号特征提取方法，多感受野与胶囊图神经网络的应用，更有利提取数据特征与挖掘数据结构联系，解决了在少量的标记样本和变工况下，较高准确率识别轴承故障类型的问题。

摘要： 本发明公开了一种基于多感受野和注意力特征金字塔的轻量级目标检测方法，主要解决存储资源受限设备中检测精度较低及检测速度较慢的问题，其实现方案是：1)获取目标检测图像的训练集和测试集；2)构建轻量级多感受野模块；3)构建注意力特征金字塔；4)以FCOS框架为基础，构建由MobileNetv2网络、轻量级多感受野模块、注意力特征金字塔、预测模块组成的深度学习网络，并使用训练集对其进行训练；5)将测试集中的图像输入到训练好的深度学习网络，得到目标检测结果。本发明能快速准确地检测出图像中包含的目标，且检测精度高、检测速度快，参数量小，可用于行人检测、人脸识别、智能监控、工业检测。

摘要： 本发明属于计算机视觉领域，提供了一种层次化多感受野网络的显著性目标检测算法，包括以下步骤：1)将ResNet‑50作为主干框架对RGB图像提取多尺度特征信息然后进行编码；2)利用层次化多感受野卷积机制优化多层次特征生成高质量特征；3)利用隐形关系特征融合机制将优化后的特征进行互补性融合，然后生成最终显著性图。与现有的技术相比，本发明层次化多感受野网络的显著性目标检测算法利用不同层次感受野的卷积操作优化多层次特征并进行隐形关系特征融合，多层次特征逐层优化生成高性能显著性图。

摘要： 本发明公开了一种基于多感受野特征金字塔的影像目标检测方法及装置，包括：构造ResNet－50特征提取网络和级联区域卷积神经网络；获取图像训练集，并将所述图像训练集作为所述ResNet－50特征提取网络的输入，从而提取所述图像训练集的图像特征；根据预设的多感受野特征金字塔和预设的兴趣区提取网络，对所述图像特征进行候选区提取；将提取的候选区输入至所述级联区域卷积神经网络进行训练，并根据训练后的级联区域卷积神经网络，对待测影像进行目标检测，获得检测结果。本发明避免了现有技术中缺乏对感受野的考虑，增加了感受野的语义信息，结合了特征金字塔和感受野两个角度，提升了对多尺度目标检测性能。