全卷积神经网络

摘要： 图像语义分割的传统方法是依靠人工设计提取特征,用机器学习的方法进行分类,来达到分割的效果,但是过程比较复杂,且最终的分割效果也不理想。为解决该问题,提出运用深度学习的方法自动提取图像中物体特征,实现端到端训练,并提升分割精度。采用的基础网络是ResNet-50,同时采用空洞空间金字塔池化模块进行有效的特征融合,并在最后一组卷积块中使用了空洞卷积来控制感受野,以提取多尺度信息。在解码阶段采用密集上采样卷积来获得最终的输出预测图。实验表明,该方法获得mIoU值为86.185%。

摘要： 杂草是危害农业和林业生产的三害之一,对农业生产、生态环境、生物多样性等均会造成一定的危害。要解决杂草问题首先需要对杂草实现高效准确的识别,通过拍摄新疆旱地玉米大苗田间图像构建数据集,提取玉米苗与杂草2类标签,使用全卷积神经网络(FCN)准确地分割2类目标实现杂草识别。利用图像翻转、镜像、对比度增强、亮度增强等4种增广方法扩增数据集,利用迁移学习技巧,对模型采取非初始参数训练,提升模型识别准确率。结果表明,选择的U-Net模型识别效果最佳,能够有效地克服阴天光照、地膜等因素干扰,实现杂草的快速准确识别,验证集识别正确率96.13%,能够满足杂草识别的实际要求。

摘要： 针对图像显著性对象检测领域中多尺度特征提取不充分、对象边缘模糊等问题,提出了一个端到端的基于注意力嵌入的金字塔特征以及渐进边缘优化的显著性对象检测模型。首先,设计了由多个扩张卷积构成的注意力嵌入的密集空洞金字塔模块(AEDAPM),在不减小特征分辨率的前提下,得到丰富且有效的多级多尺度特征;其次,为了解决显著性对象边缘模糊的问题,提出了渐进边缘优化模块(SEOM),在特征恢复分辨率的过程中逐步补充空间细节信息,使模型检测出的显著对象能够拥有清晰的边缘轮廓。在DUTS-TE、ECSSD、DUT-OMRON、HKU-IS、PASCAL-S 5个显著性领域公开的数据集上与其他12种已有的先进方法在3个常用指标下进行了比较,结果表明:所提方法能够得到更加准确、边缘更加清晰的显著性结果。此外,自对比实验也充分证明了提出的注意力嵌入的密集空洞金字塔模块和渐进边缘优化模块的有效性。

摘要： 对断裂系统进行准确识别是地震资料解释中的重要内容,解释效率及好坏直接影响着油气勘探开发工作的进展。针对传统相干体、曲率等属性在复杂的走滑断裂发育区域分辨率低、识别能力差等缺点,提出了一种基于全卷积神经网络的走滑断裂识别方法:首先通过调整参数生成大量不同类型的三维合成断层样本用于训练全卷积神经网络,并对比U-Net与SegNet这2种全卷积神经网络的断裂识别效果,优选出训练网络SegNet;然后利用构造导向滤波方法对实际地震数据进行断裂增强处理,目的是进一步清晰地刻画走滑断裂,同时提高地震资料的信噪比,使网络能更好地学习到实际断裂的特征。在塔河油田托甫台地区的走滑断裂识别实践表明,无论从分辨率、抗噪性还是连续性,该方法都优于传统的单一属性的断裂识别方法,并且可以实现快速精准的断裂识别,为实际生产提供有效指导。

摘要： 图像语义分割是计算机视觉领域的热点研究课题,随着全卷积神经网络的迅速兴起,图像语义分割和全卷积神经网络的融合发展取得了非常卓越的成绩。通过对近年来高质量文献的收集,重点对全卷积神经网络图像语义分割方法进行总结。将收集的文献,按照应用场景的不同,划分为经典语义分割、实时性语义分割和RGBD语义分割,对具有代表性的分割方法进行阐述。同时归纳了常用的公共数据集和性能的评价指标,并对常用数据集上的实验进行分析总结,对全卷积神经网络未来可能的研究方向进行展望。

摘要： 提出一种基于全卷积神经网络的单幅隧道图像裂纹提取算法,能够有效避免复杂背景下的伪裂纹噪声点干扰,实现对隧道裂纹的精确分割。首先,构建深度残差网络模型提取裂纹特征;其次,使用改进的全卷积神经网络中的反卷积操作恢复裂纹特征图的尺寸和裂纹细节;为了提升裂缝提取的精细程度,提出一个细节修复模块来保持裂缝的完整性与边缘细节;最后,公开一个裂纹数据集NUAACrack-2000,包含2 000幅隧道裂纹图像与精准标注标签。实验表明,提出的算法在避免噪声点干扰方面优于传统图像分割算法;在保留提取裂纹的整体性以及边缘细节处理方面优于基于机器学习的主流裂纹提取算法。

摘要： 田间农作物害虫种类繁多,不同的生长阶段形态和颜色各异,在自然环境下采集的图像背景复杂,角度和尺度变化多样,从而使传统的害虫检测方法准确率较低。提出一种改进可形变全卷积神经网络(deformable fully convolution network,DFCN)的农作物害虫检测方法,该方法由编码模块和解码模块组成。编码模块在VGG16中采用了可形变卷积,能适应不同形状、位置和尺寸等几何形变的害虫图像。为了更好地保留害虫图像的纹理特征和背景特征,在编码模块中应用了混合池化,加快了网络的训练速度,提高了害虫检测的准确率;解码模块对编码的下采样层进行反卷积操作,最后应用像素级分类器获得有效的检测图像。在扩展的害虫图像数据集上与DFCN方法的分割精确度和平均交并比分别为90.43、78.16,较语义分割方法SegNet分别提高了3.27、3.72,单幅图像的识别时间为0.36 s,比SegNet加快了0.16 s。结果表明DFCN方法在害虫图像检测方面具有较高的准确率,分割速度快,可为复杂背景下农作物害虫检测提供一定的理论参考。

摘要： 波阻抗反演是高分辨率地震资料处理的最终表达形式,线性的地震波阻抗反演方法求解精度依赖于初始地质模型,为高效地求解得到完全非线性的反演结果,地震波阻抗反演迫切需要发展智能化的反演技术。鉴于此,本文在全卷积神经网络(Fully Convolutional Network,FCN)的基础上,提出一种深度全卷积神经网络的地震波阻抗预测方法,以此来实现波阻抗反演。其实现过程是通过深度全卷积神经网络对正演模型和对应的波阻抗标签训练建立非线性的映射关系,得到反演映射模型,进一步通过该反演映射模型预测地震波阻抗。正演数据测试和实际资料应用结果表明,该方法可以实现地震与波阻抗之间的非线性映射,为地震波阻抗反演提供一种智能化的新手段。

摘要： 为解决传统红外弱小目标检测虚警率较高的问题,提出了一种基于局部均值差分和深度神经网络的红外弱小目标检测算法。首先,利用改进的局部均值差分算法从输入图像中提取候选目标区域;然后设计了基于全卷积神经网络的分类器对候选区域进行判别。网络中引入了参数化非线性激活层,有助于提升网络的分类性能。实验表明该文算法对典型天空和地面背景下红外弱小目标的准确率和召回率分别达到了100%和99.6%,明显优于传统算法。

摘要： 脑肿瘤是除脑血管病外神经系统最常见的疾病,其分割也是医学图像处理领域的一个重要方向。准确地分割出肿瘤区域是治疗脑肿瘤的首要步骤。针对传统的全卷积神经网络多尺度处理能力弱而造成信息丢失的问题,提出了一种基于多尺度特征的全卷积神经网络用于脑肿瘤区域分割。利用空间金字塔池化可以获得多感受野的高级特征,从而捕获上下文多尺度信息,提高模型对不同尺度特征的适应能力;用残差紧密模块代替原有卷积层,可以缓解训练深度网络时的退化问题,提取更多的特征;结合数据增强技术,避免过拟合的同时最大程度地强化了模型的分割性能。在公开的低级神经胶质瘤核磁共振成像数据集上进行大量对比消融实验分析,以Dice系数、Jaccard指数和准确性作为分割性能的主要评价标准,获得了91.8%的Dice系数、85.0%的Jaccard指数和99.5%的准确性。实验结果表明,该方法能有效分割出脑肿瘤区域并具有一定的泛化性,且相比其他网络相比分割效果更好。

摘要： 深度卷积神经网络以其独特的权重共享机制在图像识别中得到了广泛的应用,而普通的卷积神经网络在图像语义分割有着诸多困难.故本文将全卷积神经网络(FCN)应用于高分遥感数据的语义分割,以分割图像中的施工场地为例,提出了融合蓝板房光谱识别指数BBI和裸土光谱识别指数RSI的改进全卷积神经网络模型.结果表明:FCN能够较好对高分遥感数据进行分割,提出的改进全卷积神经网络模型能够较为显著的提高了施工场地的识别率,F1综合指标提升了12％.

摘要： 近年来,基于深度学习的表面缺陷检测方法成为研究热点,其中卷积神经网络是基于深度学习缺陷检测的主流方法,本文总结了近几年基于卷积神经网络的缺陷检测方法,包括卷积神经网络、自编码神经网络、残差卷积神经网络和全卷积神经网络,介绍这几种网络的特点,以及它们在表面缺陷检测上的应用,并对这些方法进行总结,分析各种方法的优缺点.

摘要： 通过遥感影像数据识别地类信息的技术在未来国土空间规划编制和管理过程中具有广泛应用前景.本文在现有卷积神经网络应用的基础上,从地块边缘识别、运算效率提升、网络结构优化、语义分割细化等角度进行算法优化,提升了影像识别效率和准确性,并将应用优化后的算法,对武汉市建设用地紧凑度进行了量化分析.

摘要： 通过遥感影像数据识别地类信息的技术在未来国土空间规划编制和管理过程中具有广泛应用前景.本文在现有卷积神经网络应用的基础上,从地块边缘识别、运算效率提升、网络结构优化、语义分割细化等角度进行算法优化,提升了影像识别效率和准确性,并将应用优化后的算法,对武汉市建设用地紧凑度进行了量化分析.

摘要： 通过遥感影像数据识别地类信息的技术在未来国土空间规划编制和管理过程中具有广泛应用前景.本文在现有卷积神经网络应用的基础上,从地块边缘识别、运算效率提升、网络结构优化、语义分割细化等角度进行算法优化,提升了影像识别效率和准确性,并将应用优化后的算法,对武汉市建设用地紧凑度进行了量化分析.

摘要： 通过遥感影像数据识别地类信息的技术在未来国土空间规划编制和管理过程中具有广泛应用前景.本文在现有卷积神经网络应用的基础上,从地块边缘识别、运算效率提升、网络结构优化、语义分割细化等角度进行算法优化,提升了影像识别效率和准确性,并将应用优化后的算法,对武汉市建设用地紧凑度进行了量化分析.

摘要： 通过遥感影像数据识别地类信息的技术在未来国土空间规划编制和管理过程中具有广泛应用前景.本文在现有卷积神经网络应用的基础上,从地块边缘识别、运算效率提升、网络结构优化、语义分割细化等角度进行算法优化,提升了影像识别效率和准确性,并将应用优化后的算法,对武汉市建设用地紧凑度进行了量化分析.

摘要： 本发明公开了一种卷积神经网络加速引擎、卷积神经网络加速系统及方法，属于异构计算加速领域，引擎包括：全局缓存和物理PE矩阵；物理PE矩阵包括多个物理PE单元，物理PE单元用于执行行卷积操作以及相关的部分和累加操作；XY互联总线用于将输入特征图像数据、输出特征图像数据和卷积核参数从全局缓存传输到物理PE矩阵上，或者将物理PE矩阵产生的操作结果传输到全局缓存中；邻接互联总线用于在同一列物理PE单元之间传输中间结果；系统包括：3D‑Memory，其中每个Vault单元的内存控制器中集成了卷积神经网络加速引擎，用于完成卷积神经网络计算任务的一个子集；方法在系统的基础上进行逐层优化。本发明能够提高卷积神经网络的性能和能耗。

摘要： 本发明实施例提供了一种卷积神经网络系统、忆阻器阵列和卷积神经网络，所述系统通过忆阻器阵列中多列位线和多行字线，采用大小为N*N的卷积核对待处理图像中的当前图像块进行卷积运算，包括：根据卷积核的步长在待处理图像上先后选取重叠相邻的两个图像块，确定两个图像块之间复用的多个像素点的特征值；根据复用的多个像素点的特征值，确定前N列位线中复用的多个权值；根据所述多个权值设置忆阻器单元的工作状态和电导；获得前N列位线各自在当前卷积运算周期内输出的电流值，作为卷积结果。本发明实施例提供的卷积神经网络系统，利用图像块之间复用的多个像素点的特征值进行卷积运算，增加了忆阻器阵列在每个周期内的计算量，提高了计算效率。

摘要： 本发明公开了一种卷积神经网络芯片以及卷积神经网络芯片操作方法。本发明的卷积神经网络芯片包括：预定数量的存储阵列，用于存储一层卷积神经网络的输入数据阵列，其中所述预定数量大于等于卷积神经网络的内核尺寸；而且其中，输入数据阵列的每一行依次存在一个存储阵列的各行内。相对于传统的内存架构，本发明获得了几倍内存读取速度的提升，从而可以获得相同的总体速度提升。因此，本发明提供了一种能够提高内存读出速度新的神经网络芯片内存架构。

摘要： 本发明属于神经网络深度学习领域，具体涉及一种卷积神经网络‑图卷积神经网络可重构硬件加速架构。本发明利用可配置寄存器对卷积神经网络‑图卷积神经网络两种神经网络的运算进行配置重构；针对卷积神经网络数据使用重排图像块为矩阵列方法，将三维卷积转换为二维矩阵运算，使得不同的神经网络运算可以复用处理元件阵列单元，以及数据静态存储控制单元、权重静态存储控制单元，达到资源复用。本发明实现了两种神经网络在同一硬件架构进行加速，大大节约了硬件开销，通过一个架构可以跑多种算法，这将节省资源，大大提高通用性，极大程度上促进整个产业的发展。

摘要： 本申请实施例公开了一种基于卷积神经网络的图像分类方法、装置、卷积神经网络、电子设备及计算机可读存储介质，所述方法包括：获取第一数据，所述第一数据表征为多个图像和与每个图像对应的类别信息；基于所述第一数据对所述卷积神经网络进行训练；利用基于所述第一数据训练得到的所述卷积神经网络，对待识别图像进行识别，得到与所述待识别图像对应的类别信息；卷积神经网络包括依次连接的第一处理层、两个以上并行的子卷积神经网络层及第二处理层；本申请提出了全新的卷积神经网络，通过两个以上并行的子卷积神经网络层能够提高特征值的提取数量，并降低数据处理过程中的运算量，提高数据处理的效率。

摘要： 公开了一种卷积神经网络的量化感知训练方法，包括，对第一卷积神经网络进行样本训练，其中，第一卷积神经网络中至少一个卷积层包括有可合并分支结构和至少一个第一直连分支，将训练后的第一卷积神经网络至少一个卷积层中的至少一个第一直连分支予以保留，将卷积层中除第一直连分支之外的可合并分支结构进行合并，得到具有第一直连分支结构的第二卷积神经网络，基于第二卷积神经网络进行量化感知训练，以提高卷积神经网络模型的量化精度。

摘要： 本发明公开了一种卷积神经网络的加速方法及卷积神经网络加速器，包括：获取当前卷积层量化后的输入特征图数据；对所述输入特征图数据进行分割处理，得到第一输入特征图数据和第二输入特征图数据；将位于同一通道的第一输入特征图数据和第二输入特征图数据交替拼接，得到拼接输入特征图数据；利用预先读取到的权重数据，对所述拼接输入特征图数据进行乘累加运算，得到所述当前卷积层的卷积计算结果。采用本发明实施例能够提高PE运算阵列进行乘累加运算的资源利用率，进而缩短卷积神经网络的运算时间。

摘要： 本发明公开了一种卷积神经网络的加速方法及卷积神经网络加速器，包括根据输入特征图数据的地址信息，将从片外存储器中读取到的输入特征图数据暂存至片上存储器的缓存区；在将读取到的输入特征图数据暂存至缓存区的过程中，获取当前暂存的输入特征图数据位于缓存区内的位置；当判断到位置位于预先确定的规定位置，对缓存区进行滑窗处理；在进行滑窗处理时，将滑窗内的所有输入特征图数据拼接成一个待填充输入数据，并将待填充输入数据的剩余通道进行填充处理，得到一个输入数据；利用预先读取到的权重数据，对输入数据进行乘累加运算，得到卷积计算结果。本发明实施例能够提高PE运算阵列进行乘累加运算的资源利用率，进而缩短运算时间。

摘要： 本申请涉及一种卷积神经网络的注意力模块、注意力机制及卷积神经网络，注意力模块首先利用可形变卷积分别在水平方向与竖直方向进行特征提取，以方便后续编码时更能捕捉到物体的位置信息；其次，注意力模块沿一个空间方向捕获远程依赖关系，同时沿另一空间方向保留精确的位置信息，使得竖直方向和水平方向的信息均得以保留；然后经系列变换后得到注意力向量，并作为权重因子点乘回原特征向量，如此，可以融合空间的注意力和通道的注意力，解决了现有注意力机制在空间和通道上运算统一的问题，且可以提高卷积神经网络的精度。

摘要： 在一个实施方案中，一种智能系统包括电子电路，所述电子电路被配置为执行神经网络，以在执行所述神经网络的同时检测身体部位的图像中的至少一个特征，以及在执行所述神经网络的同时确定检测到的每个所述至少一个特征的相应位置和类别。例如，这种系统可以执行神经网络以检测肺的图像中的至少一个特征，确定每个检测到的特征在所述图像内的相应位置，以及将检测到的每个所述特征分类为以下项之一：A线、B线、胸膜线、实变和胸腔积液。