6个研究背景和意义示例,教你写计算机全卷积网络论文

今天分享的是关于全卷积网络的6篇计算机毕业论文范文, 如果你的论文涉及到全卷积网络等主题,本文能够帮助到你

面向地表覆盖的高分辨率光学遥感影像语义变化检测方法

这是一篇关于遥感影像变化检测,地表覆盖分类,深度学习,全卷积网络,孪生网络的论文, 主要内容为作为遥感影像解译中一项重要的基础性任务,遥感影像变化检测,其主要目的是对影像数据进行处理与分析,提取出多时相影像中地表覆盖类别发生变化的像素或区域。当前在地表覆盖分类与变化检测数据的实际生产中,多采用人工解译方法对影像进行目视解译,该方法耗时耗力、所需劳动成本高昂。随着新一代深度学习理论方法成为各领域的研究热点,当前基于深度学习中全卷积网络模型的变化检测方法尽管取得了比传统变化检测方法更好的表现,仍存在面向多源遥感影像的特征提取与模型泛化能力不高、可用训练样本数据不足等一系列问题。此外,大部分现有方法仅研究单个地表覆盖类别下的变化提取或多类地物下的二元变化检测,无法有效得知前后两时相影像下具体的地表覆盖类别的变化信息,难以直接转化为满足实际生产的成果数据。在单纯提取出变化与未变化区域的基础上所衍生出的语义变化检测,可进一步获取两时相影像的地表覆盖类别信息,明确类别变化,更符合实际业务生产的需求。本文针对以上挑战,面向同时提取地表覆盖类别信息与变化检测区域的地表覆盖语义变化检测任务提出了基于深度全卷积网络的一体化网络模型,主要完成了以下工作:(1)面向遥感影像地表覆盖分类任务,设计了复合空洞卷积模块、基于串联式注意力机制的特征重标定模块、基于跨层级连接的特征金字塔结构、可同时优化多个评价指标的组合损失函数,构建了FPSeg Net模型;面向遥感影像二元变化检测任务,设计了数据融合式与孪生化等改造形式,将具有单输入单输出的FPSeg Net模型拓展成双输入单输出的FPBcd Net模型;面向两时相遥感影像的地表覆盖分类与变化检测一体化提取任务,构建了双输入三输出的FPScd Net一体化模型,并进一步优化模型通用结构、减少模型参数、设计训练目标与训练策略,实现语义变化检测一体化提取。(2)本文收集国内多个典型区域内的多时相遥感影像数据,结合人工样本标注设计了样本数据集的构建流程,并分别构建了具有七类地表覆盖类别的福建数据集与五类的河南数据集,可同时满足多任务的模型训练与精度评定需求,在一定程度上缓解当前领域中缺乏公开大规模样本数据集的现状。在已构建的两个语义变化检测数据集上开展单时相地表覆盖分类、两时相二元变化检测与语义变化检测等三项任务的实验,分析实验结果,验证了本文方法的有效性与实用性。

基于全卷积网络的宫颈癌近距离放疗三维剂量分布预测研究

这是一篇关于全卷积网络,三维剂量分布预测,近距离治疗,宫颈癌的论文, 主要内容为目前已报道的宫颈癌近距离放疗剂量预测研究均是对剂量体积直方图(dose-volume histogram,DVH)上的相关剂量学指标进行预测,并不能提供三维剂量分布。而同一种DVH曲线在人体内可能对应多种不同的剂量分布,不同的剂量分布所产生的放射生物学效应也有所不同。针对以上问题,本研究基于全卷积网络U-Net构建剂量预测模型,预测宫颈癌近距离放疗的靶区及危及器官三维剂量分布,并评估其预测精度。本研究选取了100例宫颈癌腔内结合组织间插植的病例作为整个研究的数据集,并将其划分为训练集(72)、验证集(8)、测试集(20)三个数据集;在每个病例的计算机断层扫描(Computed Tomography,CT)影像上勾画出宫腔管及插植针的轮廓,根据是否包含宫腔管及插植针的结构将感兴趣区域(region of interest,ROI)影像分为两类,然后将这两类ROI影像和剂量分布经预处理转化成3个三维矩阵作为模型的输入;利用全卷积网络U-Net建立预测模型,针对两类ROI分别训练两个剂量预测模型;最后用两种训练好的模型分别对20例测试集病例进行剂量预测,对预测结果进行对比分析。模型的性能通过(?)、(?)以及平均绝对离差共同评估。包含宫腔管及插植针的模型与未包含宫腔管及插值针的模型相比,直肠的(?)上升了(16.83±1.82)cGy(P<0.05),其余感兴趣区域的(?)或(?)差异均不显著(P>0.05);高危靶区、直肠、乙状结肠、小肠、膀胱的平均绝对离差分别上升了(11.96±3.78)cGy、(11.43±0.54)cGy、(24.08±1.65)cGy、(17.04±7.17)cGy、(9.52±4.35)cGy(P<0.05);中危靶区的平均绝对离差下降了(120.85±29.78)cGy(P<0.05),全部感兴趣区域的平均绝对离差的均值下降了(7.8±53)cGy(P<0.05),更接近实际计划。利用全卷积网络U-Net可以实现宫颈癌患者近距离放疗的三维剂量分布预测。将宫腔管与插植针作为输入参数,比单一使用感兴趣区域结构作为输入能得到更准确的预测结果。

基于全卷积生成对抗网络的脑肿瘤图像分割

这是一篇关于脑肿瘤,类别不平衡,全卷积网络,生成对抗网络,深度学习的论文, 主要内容为脑肿瘤作为颅内组织疾病,治疗难度大,致死率高,严重危害人类健康。随着医学影像技术的飞速发展,具有非侵入式成像技术的核磁共振成像成为诊断与治疗脑肿瘤的首选方式。由于脑肿瘤具有位置不确定性,形状多样性和大小复杂性等特点,对临床进行诊断治疗造成很大困难。目前,脑肿瘤MRI图像分割主要依赖于临床医生手动标注,效率低下的同时易引入注释误差。因此,高效的精确自动分割脑肿瘤MRI图像能够辅助医生及时诊断,制定手术和术后康复计划,具有重要的现实意义。近年来,计算机视觉领域飞速发展,许多基于深度学习的算法应用于医学图像领域,有助于脑肿瘤等疾病的诊断治疗,具有重要的研究意义。研究发现样本类别不平衡及模型设计等问题导致脑肿瘤分割精度有限,基于此,本文利用了全卷积网络和生成对抗网络对脑肿瘤MRI图像分割任务进行了深入研究,具体研究内容如下:首先提出了一种基于全卷积网络的脑肿瘤分割方法(BTSU-Net),该方法以U-Net为基础,精简一层网络结构来减少图像低级语义信息的丢失。同时为了减轻样本类别不平衡问题,组合了加权交叉熵损失和广义骰子损失,以减小训练样本与评价指标之间的差异,使模型可以集中学习困难样本。通过对比实验证明,该方法能够有效提高脑肿瘤分割精度。其次提出了一种基于感受野和注意力机制的全卷积网络(ARFU-Net)进行多模态脑肿瘤图像分割的方法。该方法以BTSU-Net为基础,将具有多分支卷积和空洞卷积的感受野模块嵌入到模型的解码器和编码器中,增大感受野的同时融合多尺度信息,能够更好的定位肿瘤位置。此外,ARFU-Net在解码器和编码器间的跳跃连接中嵌入了注意力模块,减少了冗余信息的同时有效增强采样特征的局部响应。该方法不仅可以有效分析脑肿瘤图像的复杂分布,而且有利于提取出更详细的肿瘤信息。针对该模型进行了大量对比试验,在Bra Ts2018数据集上各肿瘤病灶区域分割精度分别为88.7%、81.1%和77.2%,在Bra Ts2019数据集上的分割精度分别为87.8%、79.4%和72.2%,实验结果表明ARFU-Net在脑肿瘤分割任务中体现了高精度和有效性。最后提出了一种基于生成对抗网络的脑肿瘤语义分割方法(NFGAN)。该方法以生成对抗网络为基础,脑肿瘤MRI图像为模型输入,采用改进的全卷积网络(ARFUNet)作为生成器来实现端到端的分割结果。同时采用判别卷积网络(DCN)作为鉴别器来增加对抗训练,进一步提升模型分割性能。NFGAN的生成器与鉴别器在对抗训练时,能够关注数据的潜在概率密度,学习样本数据本质特征。针对该模型进行大量实验,在Bra Ts2018数据集上各类别肿瘤分割精度分别为89.2%,82.7%和78.4%,在Bra Ts2019数据集上的分割精度分别为88.1%、80.9%和73.5%,结果显示脑肿瘤分割精度进一步提升。

基于卷积神经网络的终端语音情感识别方法研究

这是一篇关于语音情感识别,语音信号处理,全卷积网络,多尺度特征融合,全局感知的论文, 主要内容为情感是人与人交往和交流时的基本要素之一,情感的一个重要体现即为人的情感状态。人的情感状态在人类和各方的互动中发挥着重要的作用,会明显影响注意力、解决问题的能力和决策能力,也会极大的影响工作、生活、娱乐,以及与计算机和应用程序交互时所选择的策略。在人机交互的研究道路中,语音情感识别已成为高级语音处理系统中不可获取的组成部分。本文旨在研究基于卷积神经网络的移动终端语音情感识别方法,并以围绕语音情感识别算法,构建语音情感识别系统,利用语音中的信息对于情感进行判断。本文的主要研究内容及创新点包括:●构建用于语音情感识别的高效且轻量级的全卷积神经网络Light-FCN。设置分层深度学习模型来进行自动化的特征提取,通过三个并行卷积神经网络从梅尔倒谱系数能量图中提取具有不同属性的特征,这有助于深度卷积块提取到高级特征,同时确保了足够的可分离性。将提取的特征连接起来反馈到深度卷积神经网络中,被用于对语音信号段的情感进行分类,最后通过归一化指数函数得到最终的预测结果,完成最终的语音情感识别。与现有的模型相比,Light-FCN网络具有更小的尺寸,在多个数据集上实现了相同或者更高的识别性能。●研究基于多尺度特征表示和全局特征融合的语音情感识别方法,学习具有全局感知融合模块的多尺度特征表示,以此来表征情感信息。多尺度特征表示模块使用恒等映射的多层残差网络,利用了多个不同尺度的卷积核迭代,来学习不同尺度的特征表示。其次使用一个全局感知融合模块来在全局上获取最重要的信息。使用IEMOCAP数据库来对模型效果进行验证,与先进的方法相比,该网络提高了所列出指标的性能,证明了全局感知融合和多尺度特征表示的有效性。●基于本文提出的语音情感识别算法模型,设计交互式语音情感在线识别系统,验证了所设计模型的可实用性。交互式语音情感在线识别网页在完成网站后端功能的开发时,使用了Spring MVC框架,同时在完成前端页面的设计时,采用了Java Script、CSS、HTML语言。网站可以实时监测说话人所处于何种情感状态,同时将说话人的语音信息记录下来,存储到数据库中,以便日后建立更加完整的语音情感数据集。

煤矿采空区地裂缝的航拍视觉检测与识别方法

这是一篇关于地裂缝识别,注意力机制,全卷积网络,多尺度输入,地裂缝检测系统的论文, 主要内容为采煤作业完成后留下的煤矿采空区,经过一段时间后会形成塌陷,导致地表上方的土地产生裂缝,严重破坏当地环境和建筑并威胁生命安全。为了保护环境和人员安全,周期性地对煤矿采空区的地裂缝进行检测至关重要。然而,由于采空区通常位于偏远地区,具有复杂的沟壑交错地貌,传统的人工检测方法费时、具有较大主观因素,并存在一定的危险性。因此,本文提出使用无人机搭载高清摄像头代替人工采集采空区的航拍图像,并利用图像处理和深度学习技术进行地裂缝的智能检测与识别。同时,构建地裂缝检测系统,并给出相应的裂缝危险评估方法,为后续治理、损失核算等提供一定的依据。研究工作如下:(1)提出基于混合域注意力变形卷积网络的地裂缝航拍图像检测方法针对地裂缝在航拍视角下呈狭长特性,本文构建了混合域注意力变形卷积网络对地裂缝区域进行检测。网络采用ResNet作为骨干网络,并结合特征金字塔结构来增强每一阶段的特征信息。考虑到标准卷积无法精确获得地裂缝的感受野信息,使用变形卷积替代标准卷积进行特征提取。同时构建混合域注意力机制强化特征图的通道与空间信息,其中通道域注意力模块为特征图中每个通道赋予不同的权值,强化特定通道的贡献程度;空间域注意力模块为特征图中每个位置赋予不同权值,强化特定空间的贡献程度。基于此,本文给出注意力机制引导的地裂缝检测一般框架,应用无人机搭载高清摄像头来采集图像进行地裂缝检测。实验结果表明,所提方法相比于其他检测模型,有着更好的训练稳定性和更好的检测精度。(2)提出基于多尺度输入全卷积网络的地裂缝识别方法与检测方法预测边界框不同,语义分割方法能达到像素级的识别精度。地裂缝在航拍图像中只占据非常少的部分,导致了非平衡问题。大量复杂干扰因素,比如阴影,悬崖、梯田的边缘都与裂缝有着相似的特征。为了解决这些问题,本文提出了基于多尺度输入全卷积网络的地裂缝识别方法。首先,使用基于统计的数据预处理方法,将数据集中的无效样本进行移除,保证训练的高效性。然后,构建多尺度输入全卷积网络语义分割模型。其中,多尺度输入用于丰富每个阶段的特征图语义信息和裂缝细节信息。此外,构建多尺度连接模块,用于提取多尺度特征,并选择最重要的上下文信息。最后,利用多个层级的特征恢复高分辨率特征图,输出预测结果。实验结果表明,对比其它裂缝识别方法,所提方法有着更好的性能表现。在敏感性分析实验中,通过实验证明了所提的各个模块的有效性。(3)构建采空区地裂缝检测系统,并提出地裂缝危险评估方法为了适应矿山数字化、信息化发展的需求,本文设计了采空区地裂缝检测系统,该系统包括数据采集系统和数据管理系统两部分。其中数据采集系统使用无人机、地面站和高清云台对各个采空区的航拍图像进行采集;数据管理系统则通过B/S架构,搭建了三个部分:数据录入、地裂缝检测和历史记录查询与统计。此外,还给出了地裂缝的危险评估方法。使用图像处理的方法提取地裂缝的骨架信息,并结合裂缝轮廓信息计算地裂缝的长度、宽度、面积等几何特征,通过裂缝的面积大小给出相应的危险程度评估。本文实现了地裂缝的检测与识别,并构建了地裂缝检测系统,给出了相应的危险评估方法,对煤矿采空区的地裂缝监测和后续措施有一定的指导意义。论文有图46幅,表15个,参考文献101篇。