首页期刊导航|光电子·激光
期刊信息/Journal information
光电子·激光
光电子·激光

巴恩旭

月刊

1005-0086

baenxu@public.tpt.tj.cn；　baenxu@263.net

022-23679707

300191

天津市南开区红旗南路263号

光电子·激光/Journal Journal of Optoelectronics·LaserCSCD北大核心CSTPCDEI
查看更多>>本刊为专业技术性刊物。报道光电子、激光技术领域的研究成果，内容包括新型光电子器件、装置和材料、光电控制和检测、光存贮和光电信息处理、通讯和光纤应用技术光电集成技术、光计算和光学神经网络、激光加工和激光应用、光电生物医学等方面。
正式出版
收录年代

    基于先验信息与密集连接网络的人脸超分辨率重建方法

    崔立尉高宏伟
    1097-1104页
    查看更多>>摘要：图像超分辨率在医疗和安防等领域应用广泛,本文针对传统超分辨率重建(super-resolution reconstruction,SR)方法无法重建出边缘特征图像的不足,提出了一种先验信息与密集连接网络模型的重建方案,利用考虑输入统计信息的残差特征的不同组合,引入了多注意力模块,通过与主干网络结构协作,在不增加额外模块的情况下提高了网络性能.新提出的模型与现有复杂结构的技术(state-of-the-art,SOTA)模型相比,具有更好的性能.为了避免输入的身份特征会急剧漂移的问题,提出了一种基于先验信息引入注意力机制网络模块来分辨真实低分辨率(low resolu-tion,LR)对应物的模型,这种模型在捕获运动噪声等方面具有优势.经实验验证得出,本文方法相比其他主流方法,在评价指标和主观可视化分析方面更具优势.

    超分辨率重建(SR)密集连接网络先验信息

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    连续闪烁抑制范式实验平台设计及其效果检测

    陈彧刘瑞玺阎锦婷程凯文...
    1105-1110页
    查看更多>>摘要：连续闪烁抑制范式(continuous flash suppression paradigm,CFS)是当前最新的意识下视觉感知研究范式.然而,由于目前尚缺乏成熟的可视化的CFS范式视觉实验平台,严重制约了相关研究的进展.鉴于此,本文采用标准化精密光学元件搭建了 CFS范式实验硬件系统,利用MAT-LAB下的Psychtoolbox工具箱研制了可视化CFS范式实验软件系统,成功试制了 CFS范式视觉实验平台.其中,实验软件系统不仅提供了功能完备、设置方便的实验参数可视化设置界面,而且开发并集成了具备不同物理特性的蒙德里安掩蔽图片自动生成程序.为验证CFS范式视觉实验平台的性能,本文设计并开展了图片和视频刺激的意识下视觉感知实验,展现了实验平台良好的工作性能.总体而言,视觉实验平台实验设计方便、掩蔽效果良好、程序运行稳定、数据存取便捷,可以更好地服务于CFS相关心理物理学实验的设计与开展,有效提升无意识视觉认知研究的水平.

    意识下视觉感知连续闪烁抑制(CFS)硬件设计软件开发掩蔽刺激自动生成

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    注意力引导梯形金字塔融合网络识别新冠肺炎X射线影像

    葛斌彭曦晨孙倩倩袁政...
    1111-1120页
    查看更多>>摘要：新型冠状病毒肺炎(corona virus disease 2019,COVID-19)严重影响人类社会和经济的发展,威胁人类的健康.如何更准确、快速地排查感染病毒的患者,使用卷积神经网络(convolutional neural net-work,CNN)的方法识别COVID-19胸部X射线影像,完成计算机自动辅助诊断.但是,由于识别精度不高,难以准确判断是否感染了 COVID-19.为了提高网络模型对COVID-19胸部X射线影像的识别性能,首先提出注意力引导梯形金字塔融合网络(attention steered trapezoid pyramid fusion network,ASTP-Net),该网络可以附加在不同的CNN上,有效地利用模型中深层与浅层网络的特点;其次提出注意力引导块(attention steered block,AS Block),通过通道和空间注意力,强调通道和空间中的有效语义信息,弱化无效的干扰信息,高效地聚合加权信息.最终实验结果表明:将ASTPNet附加在VGG16/19、Res-Net34/50和ResNeXt上,识别精度有了显著提升;应用于自建的COVID-19数据集,与其他CNN方法相比,ASTP-ResNet34性能更优,二分类和三分类准确率分别达到了 98.40％和97.10％,能够精准判断是否感染了 COVID-19.

    新型冠状病毒肺炎(COVID-19)卷积神经网络(CNN)胸部X射线影像注意力融合网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据
    • 维普

    投稿须知

    封4页
      原文链接:
    • NETL
    • NSTL
    • 万方数据