修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

17 条数据
?? 中文（中国） ▾

  • 基于空洞空间金字塔池化与解码器的高分辨率遥感影像密集语义标注

    摘要： 密集语义标注在高分辨率遥感影像研究中具有重要意义，已广泛应用于土地利用分析和环境?；ち煊颉Ｋ孀湃砘纾‵CN）的近期成功应用，各类网络架构显著提升了性能表现。其中空洞空间金字塔池化（ASPP）和编码器-解码器是两种成功架构：前者能提取多尺度上下文信息与多效视场范围，后者可恢复空间信息以获得更清晰的物体边界。本研究通过融合这两种结构的优势，提出了一种更高效的全卷积网络。该模型采用深度残差网络（ResNet）结合ASPP作为编码器，在上采样阶段将两个尺度的高层特征与对应低层特征组合构成解码器。我们进一步开发了多尺度损失函数来强化学习过程。在后处理环节，采用基于超像素的新型密集条件随机场优化预测结果。通过在波茨坦和瓦亨根数据集上的评估表明，本方法优于其他机器学习或深度学习方法——相比当前最先进的DeepLab_v3+，我们的模型在这两个数据集上的总体精度分别提升了0.4%和0.6%。

    关键词： 密集语义标注、编码器-解码器结构、基于超像素的DenseCRF、遥感影像、全卷积网络、空洞空间金字塔池化

    更新于2025-09-23 15:23:52

  • [IEEE 2018年第25届国际图像处理大会(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理大会(ICIP) - 用于语义分割的密集反卷积网络

    摘要： 最近，探索全卷积网络（FCN）中不同层的多特征图以获取语义分割的上下文信息受到了广泛关注。本文提出了一种用于语义分割的新型编码器-解码器架构——密集反卷积网络（DDN），该架构通过深层卷积层的特征图对浅层反卷积层进行密集上采样。所提出的DDN支持端到端训练，使我们能够充分挖掘图像中嵌入的多尺度上下文线索。实验结果表明，在PASCAL VOC 2012数据集上，我们的DDN性能优于以往的FCN和编码器-解码器网络（EDN）。

    关键词： 全卷积网络（FCNs）、编码器-解码器网络（EDNs）、语义分割、密集反卷积网络

    更新于2025-09-23 15:22:29

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于旋转区域的全卷积网络船舶检测方法

    摘要： 近年来，从高分辨率光学遥感图像中检测舰船已成为热门研究领域。与自然图像中的目标不同，光学遥感图像中的目标舰船可能出现在任意位置，且具有多尺度和多方向特性，这使得检测难度更大。本文提出一种基于全卷积网络的新型舰船检测方法。该方法包含三个关键组件：1）我们设计了一个融合不同层级特征图的网络来整合多尺度信息——判断大型舰船的存在需要深层网络特征，而预测包围小型舰船的旋转边界框则需要浅层信息；2）该网络可端到端训练，通过生成像素级置信度评分图，在图像所有位置和尺度上标注舰船兴趣区域；3）我们设计了旋转边界框回归模型来实现舰船定位。在谷歌地球采集数据集上的实验结果表明，所提方法在高分辨率光学遥感图像的舰船检测任务中，无论效率还是精度都取得了优异性能。

    关键词： 船舶检测、旋转区域、全卷积网络

    更新于2025-09-23 15:21:21

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于全卷积半监督生成对抗网络的极化SAR分类

    摘要： 我们提出了一种用于极化合成孔径雷达（PolSAR）地形分类的新型半监督全卷积网络。首先，通过设计全卷积结构，我们可以执行基于像素的分类任务。然后，通过应用半监督生成对抗网络（GAN），我们利用标记和未标记样本，旨在获得更高的分类精度。通过极小极大化的双人博弈，GAN比其他"单玩家"分类器具有更优性能。最后，我们将全卷积结构与半监督GAN相结合。我们的全卷积半监督GAN（FC-SGAN）具有出色的空间特征学习能力，能够执行端到端的基于像素的分类任务。实验结果表明，与现有方法相比，所提方法具有更优性能。即使训练集规模缩小，我们的方法仍能保持高精度。

    关键词： 地形分类、全卷积网络、生成对抗网络、半监督学习

    更新于2025-09-23 15:21:21

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于深度神经网络的SAR图像近岸船舶检测

    摘要： 合成孔径雷达图像中的近岸船舶检测面临准确识别近岸船舶与陆上物体的难题。本文提出基于多尺度全卷积网络（MS-FCN）的海陆分割方法，并采用可旋转边界框目标检测方法（DR-Box）解决近岸船舶检测问题。该方法通过MS-FCN分离海域与陆地区域后，在海域区域应用DR-Box进行检测。该方案融合了SAR图像的全局与局部信息以实现高精度检测。网络使用中国高分三号卫星图像进行训练，测试结果表明该方法能成功定位绝大多数近岸船舶。

    关键词： 目标检测网络、全卷积网络、深度学习、近岸船舶检测、合成孔径雷达

    更新于2025-09-23 15:21:21

  • 基于深度学习的二维过渡金属硫族化合物单原子缺陷亚皮米级精度应变图谱绘制

    摘要： 二维材料为研究单个原子缺陷诱导的应变场提供了理想平台，但辐射损伤相关挑战迄今限制了电子显微镜技术对这些原子尺度应变场的探测。本研究展示了一种在单层二维过渡金属硫族化合物WSe2-2xTe2x中以亚皮米级精度探测单原子缺陷的方法。我们利用深度学习挖掘像差校正扫描透射电子显微镜图像的大数据集来定位和分类点缺陷。通过组合数百张标称相同的缺陷图像，生成高信噪比的类别平均图，从而实现高达0.2皮米精度的二维原子间距测量。该方法揭示硒空位会在WSe2-2xTe2x晶格中引入复杂的振荡应变场，表现为晶格膨胀与收缩交替的环状结构。这些结果表明计算机视觉对开发适用于束敏材料的高精度电子显微镜方法具有潜在影响。

    关键词： 扫描透射电子显微镜、应变图谱、单原子缺陷、深度学习、全卷积网络（FCN）、二维材料

    更新于2025-09-23 15:21:01

  • 基于多输入全卷积网络的三维光学相干断层扫描图像去噪

    摘要： 近年来，将卷积神经网络（CNN）应用于去噪和超分辨率等低层视觉任务的研究日益增多。由于成像过程的相干特性，光学相干断层扫描（OCT）图像不可避免地会受到噪声影响。本文提出一种名为多输入全卷积网络（MIFCN）的新型OCT图像去噪方法。与近期提出的自然图像去噪CNN不同，该架构通过多个全卷积网络的像素级融合，能够利用相邻OCT图像间高度的相关性和互补信息。该多输入架构的参数学习考虑了整体输出与各输入图像贡献之间的一致性。研究采用定量与定性相结合的方式，将所提MIFCN方法与当前最先进的OCT图像去噪方法进行对比，测试对象包括正常眼及年龄相关性黄斑变性眼的OCT图像。

    关键词： 多输入全卷积网络（FCN）、光学相干断层扫描（OCT）、图像去噪、全卷积网络（FCN）

    更新于2025-09-24 01:01:34

  • 一种具有次级纳米片的电沉积非晶硫化钴纳米碗阵列，作为多功能对电极用于提高染料敏化太阳能电池的效率

    摘要： 通过语义分割解析草图具有吸引力但颇具挑战性，因为：(i) 手绘草图因不同绘画风格和技巧而存在物体描绘的抽象性和巨大差异；(ii) 触控板上绘制的扭曲线条使草图更难识别；(iii) 基于深度学习技术的高性能图像分割在训练阶段需要海量标注草图数据集。本文提出一种面向草图目标的深度全卷积网络分割网络(SFSegNet)，用于自动手绘草图分割，将每个包含多部件的单一物体草图进行标注。SFSegNet实现了输入草图与分割结果之间的端到端网络处理流程，包含两部分：(i) 改进的深度全卷积网络(FCN)，采用重加权策略忽略背景像素并分类每个像素所属部件；(ii) 仿射变换编码器，用于规范化抖动笔触。我们使用包含10,000幅标注草图的数据集训练网络，以获得能在一个真实标注中语义分割笔触的广泛适用模型。大量实验表明，本方法的分割效果优于其他最先进网络。

    关键词： 深度学习、全卷积网络、草图分割、物体分割

    更新于2025-09-16 10:30:52

  • [IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - Deepcloud：一种用于光学卫星影像云与阴影掩膜的全卷积神经网络

    摘要： 目前已有多种云和阴影检测方法被提出，但在精度或自动化方面仍有改进空间。本研究提出了一种用于光学卫星影像中云和阴影检测的全卷积网络模型。该模型基于芬兰的165幅Landsat影像进行训练，并在独立影像集上测试。云和阴影检测精度达到95%，在定量和定性指标上均优于其他多种深度学习架构。

    关键词： 光学影像、Landsat卫星数据、全卷积网络、深度学习、云与阴影掩膜

    更新于2025-09-10 09:29:36

  • [IEEE 2018年第25届国际图像处理大会(ICIP) - 希腊雅典 (2018.10.7-2018.10.10)] 2018年第25届IEEE国际图像处理大会(ICIP) - 通过级联沙漏网络中组合残差特征实现人脸对齐

    摘要： 全卷积网络（FCN）因其能够保留精确的空间信息而在人脸对齐领域广受欢迎。本研究探讨了FCN核函数对人脸对齐效果的影响。我们指出，若通过核函数生成真实概率矩阵，无论是交叉熵损失还是像素级L2损失都无法准确反映对齐误差。基于此分析，我们首先开发级联沙漏网络（CHN）作为基线模型，然后通过网络中间层获取的残差特征（RF）回归残差人脸形状。所提出的RF-CHN方法在具有挑战性的300-W数据库上取得了6.84的归一化平均误差（NME），相比当前最先进技术实现了0.21的误差降低。

    关键词： 残差特征、全卷积网络、人脸对齐

    更新于2025-09-10 09:29:36