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

    基于门控卷积神经网络的图像超分辨重建算法

    王文安梁新刚刘侍刚
    637-642页
    查看更多>>摘要：近年来,卷积神经网络被广泛应用于图像超分辨率领域.针对基于卷积神经网络的超分辨率算法存在图像特征提取不充分,参数量大和训练难度大等问题,本文提出了一种基于门控卷积神经网络(gated convolutional neural network,GCNN)的轻量级图像超分辨率重建算法.首先,通过卷积操作对原始低分辨率图像进行浅层特征提取.之后,通过门控残差块(gated residual block,GRB)和长短残差连接充分提取图像特征,其高效的结构也能加速网络训练过程.GRB中的门控单元(gated unit,GU)使用区域自注意力机制提取输入特征图中的每个特征点权值,紧接着将门控权值与输入特征逐元素相乘作为GU输出.最后,使用亚像素卷积和卷积模块重建出高分辨率图像.在Set14、BSD100、Urban100和Manga109数据集上进行实验,并和经典方法进行对比,本文算法有更高的峰值信噪比(peak signal-to-noise ratio,PSNR)和结构相似性(structural similarity,SSIM),重建出的图像有更清晰的轮廓边缘和细节信息.

    超分辨率门控单元门控残差块轻量级卷积神经网络

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

    基于双通道注意力机制的ResNet果实外观品质分类

    赵辉乔艳军王红君岳有军...
    643-651页
    查看更多>>摘要：为了实现对采摘后的果实进行快速、精确的外观品质分类,并配合分拣生产线完成果实大规模集中分拣,该研究提出了一种基于改进ResNet的果实分类方法.首先,将深度残差神经网络(deep residual neural network,ResNet)网络中的残差模块与双通道 SE 模块(dual channel squeeze-and-excitation block,DC-SE Block)结合,增强有效的通道特征并抑制低效或无效的通道特征,提高特征图的表达能力,从而提升识别精度;其次,在原始ResNet模型中加入Inception模块,将果实不同尺度的特征进行融合,增强对较小缺陷的识别能力;最后,对收集到的4类不同外观品质的果实图像进行数据增强并利用迁移学习的方法对模型进行初始化.以苹果为例进行的试验结果表明:经过数据集训练之后的改进模型,在测试集下的准确率达到99.7％,高于原模型的98.5％;精确率达到99.7％,高于原模型的98.3％;召回率达到99.7％,高于原模型的98.7％;在图形处理器(graphic processing unit,GPU)下的平均检测速度达到32.3帧/s,略低于原模型的35.7帧/s.与GoogleNet、MobileNet等几种目前先进的分类方法进行比较并对不同改进模型进行对比试验的结果表明,该方法具有良好的分类性能,对解决果实外观品质的精准分级问题具有重要参考价值.

    图像增强外观品质分类深度残差神经网络双通道SE模块Inception模块迁移学习

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

    融合局部语义与全局信息的入脸表情识别

    潘海鹏郝慧苏雯
    652-659页
    查看更多>>摘要：人脸表情识别在人机交互等人工智能领域发挥着重要作用,当前研究忽略了人脸的语义信息.本文提出了一种融合局部语义与全局信息的人脸表情识别网络,由两个分支组成:局部语义区域提取分支和局部-全局特征融合分支.首先利用人脸解析数据集训练语义分割网络得到人脸语义解析,通过迁移训练的方法得到人脸表情数据集的语义解析.在语义解析中获取对表情识别有意义的区域及其语义特征,并将局部语义特征与全局特征融合,构造语义局部特征.最后,融合语义局部特征与全局特征构成人脸表情的全局语义复合特征,并通过分类器分为7种基础表情之一.本文同时提出了解冻部分层训练策略,该训练策略使语义特征更适用于表情识别,减少语义信息冗余性.在两个公开数据集JAFFE和KDEF上的平均识别准确率分别达到了93.81％和88.78％,表现优于目前的深度学习方法和传统方法.实验结果证明了本文提出的融合局部语义和全局信息的网络能够很好地描述表情信息.

    人脸表情识别人脸解析迁移学习局部-全局特征融合解冻部分层训练策略

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

    基于LRC与多样本扩充的指静脉识别方法

    陶志勇许稚雪
    660-666页
    查看更多>>摘要：针对目前手指静脉识别由于训练样本不足引起图像识别率低的问题,提出基于线性回归分类(linear regression classification,LRC)与多样本扩充的指静脉识别I方法.首先,利用矩阵变换生成原始图像的镜像,训练原始图像与镜像,增加指静脉图像中包含的有用信息;然后,基于LRC对测试和训练样本进行分类;最后,通过计算偏差得到最终分类结果,求出识别率.此外,设计了一种指静脉采集装置收集得到自建指静脉数据库.实验结果表明:所提算法在自建指静脉数据库、山东大学指静脉数据库、马来西亚理工大学指静脉数据库上的识别率分别达到98.93％、98.89％、99.67％,最低等误率为2.388 8％.实验结果与其他传统和流行算法相比具有明显优势,拥有良好的实际应用价值.

    模式识别图像处理指静脉识别多样本扩充线性回归分类

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

    基于图卷积神经网络的胸部放射影像疾病分类方法

    赵佳雷黄青松刘利军黄冕...
    667-672页
    查看更多>>摘要：医学X射线作为胸部疾病的常规检查手段,可以对早期不明显的胸部疾病进行诊断,并且观察出病变部位.但是,同一张放射影像上呈现出多种疾病特征,对分类任务而言是一个挑战.此外,疾病标签之间存在着不同的对应关系,进一步导致了分类任务的困难.针对以上问题,本文将图卷积神经网络(graph convolutional neural network,GCN)与传统卷积神经网络(convolution-al neural network,CNN)相结合,提出了 一种将标签特征与图像特征融合的多标签胸部放射影像疾病分类方法.该方法利用图卷积神经网络对标签的全局相关性进行建模,即在疾病标签上构建有向关系图,有向图中每个节点表示一种标签类别,再将该图输入图卷积神经网络以提取标签特征,最后与图像特征融合以进行分类.本文所提出的方法在ChestX-ray14数据集上的实验结果显示对14种胸部疾病的平均AUC达到了 0.843,与目前3种经典方法以及先进方法进行比较,本文方法能够有效提高分类性能.

    图卷积神经网络胸部放射影像疾病诊断医学图像处理

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

    投稿须知

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