论文部分内容阅读
[!--newstext--]
[!--title--]
【摘 要】
：
目的随着移动互联网和人工智能的蓬勃发展,海量的视频数据不断产生,如何对这些视频数据进行处理分析是研究人员面临的一个挑战性问题。视频中的物体由于拍摄角度、快速运动和部分遮挡等原因常常表现得模糊和多样,与普通图像数据集的质量存在不小差距,这使得对视频数据的实例分割难度较大。目前的视频实例分割框架大多依靠图像检测方法直接处理单帧图像,通过关联匹配组成同一目标的掩膜序列,缺少对视频困难场景的特定处理,忽略
【机 构】
：
哈尔滨工业大学(深圳),深圳 518055;深圳信息职业技术学院,深圳 518172;哈尔滨工业大学(深圳),深圳 518055;鹏城实验室,深圳 518052
【出 处】
：
中国图象图形学报
【发表日期】
：
2021年07期
其他文献
目的现有的深度学习模型往往需要大规模的训练数据,而小样本分类旨在识别只有少量带标签样本的目标类别。作为目前小样本学习的主流方法,基于度量的元学习方法在训练阶段大多没有使用小样本目标类的样本,导致这些模型的特征表示不能很好地泛化到目标类。为了提高基于元学习的小样本图像识别方法的泛化能力,本文提出了基于类别语义相似性监督的小样本图像识别方法。方法采用经典的词嵌入模型GloVe(global vecto
目的肿瘤周围高危器官的准确分割是图像引导放射治疗中的关键步骤,也是对抗肺癌和食道癌,规划有效治疗策略的重要组成部分。为了解决不同患者之间器官形状和位置的复杂变化情况以及计算机断层扫描(computed tomography, CT)图像中相邻器官之间软组织对比度低等问题,本文提出了一种深度学习算法对胸部CT图像中的高危器官进行细分。方法以U-Net神经网络结构为基础,将冠状面下的3个连续切片序列即
高水分挤压制备植物基肉制品过程中蛋白质、碳水化合物、脂质等生物大分子及分子间相互作用是形成产品外观、质构、风味、口感等品质的分子基础。然而,目前高水分挤压过程中生物大分子间相互作用机制及其对植物基肉制品品质的影响规律尚不明确。本文在参考国内外文献的基础上,总结制备植物基肉制品常用的蛋白质种类及其结构变化特点,梳理蛋白质结构表征及植物基肉制品品质评价方法,分析植物基肉制品制备过程中生物大分子间的相互作用及其对产品品质的影响,提出植物基肉制品发展面临的挑战及未来重点研究方向,旨在为植物基肉制品品质控制和改善提
病灶精确分割对患者病情评估和治疗方案制定有重要意义,由于医学图像中病灶与周围组织的对比度低,同一疾病病灶边缘和形状存在很大差异,从而增加了分割难度。U-Net是近些年深度学习研究中的热点,为医生提供了一致性的量化病灶方法,一定程度上提高了分割性能,广泛应用于医学图像语义分割领域。本文对U-Net网络进行全面综述。阐述U-Net网络的基本结构和工作原理;从编码器个数、多个U-Net级联、与U-Net
目的从影像中快速精准地分割出肺部解剖结构可以清晰直观地分辨各解剖结构间的关系,提供有效、客观的辅助诊断信息,大大提高医生的阅片效率并降低医生的工作量。随着影像分割算法的发展,越来越多的方法应用于分割肺部影像中感兴趣的解剖结构区域,但目前尚缺乏包含多种肺部精细解剖结构的影像数据集。本文创建了一个带标签的肺部CT/CTA(computer tomography/computer tomography
近年来,肠道菌群与肠道稳态研究已成为临床医学、生物学、食品营养学等多个领域的研究热点。肠黏膜是机体抵御外界病原侵袭和维持肠道稳态的重要屏障,而黏蛋白作为肠黏液的主要组成成分,在食品营养中的作用不容忽视。目前,黏蛋白的相关研究较少,其功能特性尚不清晰,缺少系统的总结与分析。本文梳理黏蛋白的结构、分类、生物学活性及其与食品营养的关系,以期为开展黏蛋白在肠道健康与食品营养领域中的研究提供参考。
目的全景图像的质量评价和传输、处理过程并不是在同一个空间进行的,传统的评价算法无法准确地反映用户在观察球面场景时产生的真实感受,针对观察空间与处理空间不一致的问题,本文提出一种基于相位一致性的全参考全景图像质量评价模型。方法将平面图像进行全景加权,使得平面上的特征能准确反映球面空间质量畸变。采用相位一致性互信息的相似度获取参考图像和失真图像的结构相似度。接着,利用相位一致性局部熵的相似度反映参考图
目的卷积神经网络(convolutional neural network,CNN)在计算机辅助诊断(computer-aided diagnosis,CAD)肺部疾病方面具有广泛的应用,其主要工作在于肺部实质的分割、肺结节检测以及病变分析,而肺实质的精确分割是肺结节检出和肺部疾病诊断的关键。因此,为了更好地适应计算机辅助诊断系统要求,提出一种融合注意力机制和密集空洞卷积的具有编码—解码模式的卷积
目的在人体行为识别算法的研究领域,通过视频特征实现零样本识别的研究越来越多。但是,目前大部分研究是基于单模态数据展开的,关于多模态融合的研究还较少。为了研究多种模态数据对零样本人体动作识别的影响,本文提出了一种基于多模态融合的零样本人体动作识别(zero-shot human action recognition framework based on multimodel fusion, ZSAR