-
公开(公告)号：CN114220013A
公开(公告)日：2022-03-22
申请号：CN202111549243.7
申请日：2021-12-17
Applicant: 扬州大学
Abstract: 本发明公开了一种基于边界交替引导的伪装物体检测方法包括：构建基于边界交替引导的伪装检测模型，增加初始定位模块提取骨干网络多尺度深层特征，得到伪装物体的粗略定位图；增加多尺度感受野模块扩大粗略定位图的感受野提升语义信息提取能力；增加边界交替引导模块逐层提取区域图和边界图并彼此进行约束细化得到精确的伪装物体预测图；本发明能够在相似背景下精确的定位到伪装物体，而且基于边界交替引导的结构能够利用边界约束得到更圆滑的伪装物体预测图，也能够利用预测图约束边界得到连续清晰的边界图，有效提高了伪装物体检测的精度。
-
公开(公告)号：CN114494325A
公开(公告)日：2022-05-13
申请号：CN202210107165.3
申请日：2022-01-28
Applicant: 扬州大学
Abstract: 本发明公开了一种基于分离引导卷积的多模态人像分割方法，包括通过译码器，将编码器输出的特征输入分离引导卷积中进行多尺度学习，输出人像的预测概率图，构建人像分割模型；将待检测的人物图像及其深度图输入到构建好的网络模型进行模型训练，对每一个侧输出的预测图加入深度监督，用交叉熵损失来计算人工标注图和预测的人像分割图像的差异，将这些误差反馈给网络以更新整个网络的模型参数；将需要测试的原始图像及其深度图像输入到模型中进行模型测试。本发明所述方法通过降低侧输出特征图像尺度，提升多尺度特征表达能力，从而加快推理计算速度，提升复杂场景下的检测准确性。
-
公开(公告)号：CN114612662A
公开(公告)日：2022-06-10
申请号：CN202210228391.7
申请日：2022-03-10
Applicant: 扬州大学
Abstract: 本发明公开了一种基于边界引导的息肉图像分割方法，包括：构建息肉图像分割模型；将待分割的息肉图像输入息肉图像分割模型中，得到各个侧输出的区域预测图PR4‑PR1和边界预测图PB4‑PB1，并将其上采样至与待分割的息肉图像相同的分辨率，得到区域预测图和边界预测图利用交叉熵损失函数计算区域预测图边界预测图与真实标注图之间的误差，并将误差进行反向传递以更新息肉图像分割模型参数，以训练息肉图像分割模型；将待分割的息肉图像输入至训练好的息肉图像分割模型中，将残差细化译码器A输出的区域预测图通过一个Sigmoid层归一化至(0,1)，再恢复原图像分辨率后输出为最终的分割结果；本发明大大提高了息肉图像分割的准确性；实现了更精准的区域预测。
-
公开(公告)号：CN112329511A
公开(公告)日：2021-02-05
申请号：CN202010784216.7
申请日：2020-08-06
Applicant: 扬州大学
Abstract: 本发明公开了一种基于残差特征金字塔的人像分割方法，实现以人像图片为输入，输出该图像的人像区域显著性图。本发明首先设计了侧输出优化单元，减少了网络参数，然后利用特征金字塔整合相邻层间人像特征图，逐步提升了人像特征的分辨率，最后引入残差学习模块从背景区域重学习并补充人像特征边缘等细节，进一步提高整个网络的模型分辨率。本发明可以得到高分辨率的人像图，同时能更好的检测复杂场景下人像细节信息。
-
-
-
Search Results
4
records
(took 0.012 seconds)
