光子学报
2023, 52(12): 1210001
卷积神经网络进行实时图像语义分割时，处理大片色彩变化较小的像素区域时会存在计算的空间冗余，同时轻量级网络进行特征提取时的精度较低。针对上述两个问题，利用改进后MobileNet v3和轻型高频采样（OTCH-L）模块设计了一种实时语义分割网络。首先利用hard-swish激活函数对轻量级网络MobileNet v3进行精度补偿，提出改进后的MobileNet v3特征提取网络；其次基于八度卷积设计OTCH-L模块，解决空间冗余问题，在保证精度的同时，降低模型计算量。在Pascal VOC2012数据集上进行训练实验，并在Pascal VOC2007数据集上对模型进行验证。实验结果表明，所提模型分割速度达到25.94 frame/s，分割平均交并比（MIoU）达70.34%。相比主流语义分割模型SegNet、PSPNet、DeepLab v3 plus，所设计模型在维持分割精度的前提下，分割速度有显著提升。
图像处理 实时语义分割 八度卷积 轻量级 MobileNet v3 激光与光电子学进展
2022, 59(8): 0810015
西安建筑科技大学 理学院, 陕西 西安 710055
针对现有图像去模糊卷积神经网络在图像复原过程中易出现纹理细节丢失、不加区分地对待所有通道和空间特征信息以及去模糊效果不佳等问题, 本文提出了一种基于双任务卷积神经网络的图像去模糊方法。将图像去模糊任务分为去模糊子任务和高频细节恢复子任务来进行。其一, 提出一种基于残差注意力模块和八度卷积残差块的编解码子网络模型, 将此网络模型用于图像去模糊子任务; 其二, 提出一种基于双残差连接的高频细节恢复子网络模型, 将此网络模型用于高频细节恢复子任务。将两个子网络采用并联方式组合起来, 并使用平均绝对误差损失与结构损失来共同约束训练方向, 实现图像去模糊。实验结果表明, 本文方法具有较强的图像复原能力和较丰富的细节纹理, 峰值信噪比(PSNR)为32.427 6 dB, 结构相似度为0.947 0。与目前先进的去模糊算法相比能够有效提升图像去模糊效果。
卷积神经网络 图像去模糊 八度卷积 注意力机制 双残差 convolution neural network image deblurring octave convolution attention mechanism double residuals
1 哈尔滨理工大学 测控技术与通信工程学院，黑龙江 哈尔滨 150080
2 中部大学 计算机科学学院，日本 爱知 487-8501
针对主动视觉安检方法准确率低、速度慢，不适用于实时交通安检的问题，提出了八度卷积（OctConv）和注意力机制双向门控循环单元（GRU）神经网络相结合的X光安检图像分类方法。首先，利用八度卷积代替传统卷积，对输入的特征向量进行高低分频，并降低低频特征的分辨率，在有效提取X光安检图像特征的同时，减少了空间冗余。其次，通过注意力机制双向GRU，动态学习调整特征权重，提高危险品分类准确率。最后，在通用SIXRay数据集上的实验表明，对8000幅测试样本的整体分类准确率（ACC）、特征曲线下方面积（AUC）、正类分类准确率（PRE）分别为98.73%、91.39%、85.44%，检测时间为36.80 s。相对于目前主流模型，本文方法有效提高了X光安检图像危险品分类的准确率和速度。
X光安检图像 八度卷积 双向门控循环单元 注意力机制 X-ray inspection images octave convolution bidirectional GRU attention mechanism
1 内蒙古科技大学信息工程学院模式识别与智能图像处理重点实验室, 内蒙古 包头 014010
2 内蒙古工业大学信息工程学院, 内蒙古 呼和浩特 010051
3 上海大学计算机工程与科学学院, 上海 200444
4 大连海事大学信息科学技术学院, 辽宁 大连 116026
为实现对乳腺癌组织病理图像的准确自动分级,提出了一种改进的卷积神经网络,依次引入两种不同的卷积结构,以提高网络对病理图像的识别准确率。以深度残差网络(ResNeXt)为基础网络,用八度卷积(OctConv)替代传统卷积层,在特征提取阶段降低特征图中的冗余特征,提高了细节特征的提取效果;用异构卷积(HetConv)代替网络中的部分传统卷积层,以降低模型的训练参数。为了克服因数据样本较少出现的过拟合问题,采用一种基于图像分块思想的数据增强方法。实验结果表明,该网络在图像级别的四分类任务中准确率达到91.25%,表明所设计的网络模型具有较高的识别率和较好的实时性。
图像处理 组织病理图像 卷积神经网络 残差网络 八度卷积 异构卷积 激光与光电子学进展
2020, 57(22): 221021
