结合多尺度条件生成对抗网络的井下轨道检测

来源 :中国图象图形学报 | 被引量 : 0次 | 上传用户：sycamorelee

【摘要】

：

目的传统的轨道检测算法受环境干扰因素大导致检测效率低,基于卷积神经网络(CNN)算法的轨道检测结果缺乏对于对象的细腻、独特刻画且过多依赖可视化后处理技术,因此本文提出一种结合多尺度信息的条件生成对抗网络(CGAN)轨道线检测算法。方法在生成器网络中采用多粒度结构将生成器分解为全局和局部两个部分;在判别器网络中采用多尺度共享卷积结构,进一步监督生成器的训练;引入蒙特卡罗搜索技术通过对生成器的中间状态

【作者】

：

卫星杨国强李佳陆阳石雷

【机构】

：

合肥工业大学计算机与信息学院,合肥230601安全关键工业测控技术教育部工程研究中心,合肥230009;合肥工业大学智能制造技术研究院,合肥230051;合肥工业大学计算机与信息学院,合肥,23060

【出处】

：

中国图象图形学报

【发表日期】

：

2020年02期

【关键词】

：

轨道检测条件生成对抗网络多尺度信息蒙特卡洛搜索井下自动驾驶

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

深度迭代融合的脑部磁共振图像颅骨去除网络

目的去除颅骨是脑部磁共振图像处理和分析中的重要环节。由于脑部组织结构复杂以及采集设备噪声的影响导致现有方法不能准确分割出脑部区域,为此提出一种深度迭代融合的卷积神经网络模型实现颅骨的准确去除。方法本文DIFNet(deep iteration fusion net)模型的主体结构由编码器和解码器组成,中间的跳跃连接方式由多个上采样迭代融合构成。其中编码器由残差卷积组成,以便浅层语义信息更容易流入深

期刊

卷积神经网络(CNN)颅骨分割脑部磁共振图像深度迭代融合数据增强

乳腺超声肿瘤动态噪声指数及分割算法

目的深度学习在各种语义分割任务中取得了优异的性能,但需要大量带有准确标注的训练样本。乳腺超声由于其成像特点,导致图像对比度和分辨率低、斑点噪声较高、组织间边界模糊等,这些问题导致精确标注十分困难。超声分割数据集中存在较多非准确的标注,这些数据即标注噪声。若训练集中包含一定量的噪声,将会极大地影响网络的分割准确度。为了解决该问题,提出了一种针对超声图像的动态噪声指数及分割算法,实现在乳腺超声数据包含

期刊

乳腺超声图像乳腺肿瘤分割噪声注释深度学习损失函数

融合密集残差块和GAN变体的医学图像非刚性配准

目的现有的医学图像配准算法在处理较大非刚性形变的医学图像时,存在配准精度低和泛化能力不足的问题。针对该问题,提出结合密集残差块和生成对抗网络(generative adversarial network, GAN)的图像配准方法,用于多模态医学图像的非刚性配准。方法将密集残差块引入到生成器,提取待配准图像对的更多高层特征,从而提高配准精度;在GAN中采用最小二乘损失代替逻辑回归构造的交叉熵损失,由

期刊

医学图像非刚性配准生成对抗网络(GAN)密集残差块最小二乘损失相对平均GAN (RaGAN)

鼻咽癌原发肿瘤放疗靶区的自动分割

目的放射治疗是鼻咽癌的主要治疗方式之一,精准的肿瘤靶区分割是提升肿瘤放疗控制率和减小放疗毒性的关键因素,但常用的手工勾画时间长且勾画者之间存在差异。本文探究Deeplabv3+卷积神经网络模型用于鼻咽癌原发肿瘤放疗靶区(primary tumor gross target volume,GTVp)自动分割的可行性。方法利用Deeplabv3+网络搭建端到端的自动分割框架,以150例已进行调强放射治

期刊

自动分割放射治疗卷积神经网络原发肿瘤放疗靶区鼻咽癌

结合多尺度条件生成对抗网络的井下轨道检测

其他学术论文