期刊,激光与光电子学进展 2024年卷12期_国家学术搜索

期刊信息/Journal information

激光与光电子学进展

主　　编：范滇元

出版周期：月刊

国际刊号：1006-4125

电子邮箱：lop@siom.ac.cn

电　　话：021-69918222

邮政编码：201800

地　　址：上海市嘉定区清河路390号（上海市800-211信箱）

激光与光电子学进展/Journal Laser & Optoelectronics ProgressCSCD北大核心CSTPCD

查看更多>>本刊由中科院上海光学精密机械研究所和国家惯性约束聚变委员会联合主办。旨在关注科技发展热点，报道高新技术前沿，追踪科技研发动态，介绍科学探索历程；展示最新科技产品，汇萃时尚科技讯息。

正式出版

收录年代

Lidar-Based Action-Recognition Algorithm for Medical Quality Control

Wang YuanzeZhang HaiyangWu XuanKong Chunxiu...

306-314页

查看更多>>摘要：Medical-action recognition is crucial for ensuring the quality of medical services.With advancements in deep learning,RGB camera-based human-action recognition made huge advancements.However,RGB cameras encounter issues,such as depth ambiguity and privacy violation.In this paper,we propose a novel lidar-based action-recognition algorithm for medical quality control.Further,point-cloud data were used for recognizing hand-washing actions of doctors and recording the action's duration.An improved anchor-to-joint(A2J)network,with pyramid vision transformer and feature pyramid network modules,was developed for estimating the human poses.In addition,we designed a graph convolution network for action classification based on the skeleton data.Then,we evaluated the performance of the improved A2J network on the open-source ITOP and our medical pose estimation datasets.Further,we tested our medical action-recognition method in actual wards to demonstrate its effectiveness and running efficiency.The results show that the proposed algorithm can effectively recognize the actions of medical staff,providing satisfactory real-time performance and 96.3%action-classification accuracy.

原文链接:

NETL
NSTL
万方数据

基于Deformable Transformer和自适应检测头的遥感图像目标检测

彭浩康葛芸杨小雨胡昌泉...

315-326页

查看更多>>摘要：针对光学遥感图像目标精准定位困难、分类和定位特征容易存在冲突等问题,提出了一种基于Deformable Transformer和自适应检测头的遥感图像目标检测方法.首先,设计基于特征融合和Deformable Transformer的特征提取网络,其中特征融合模块能丰富卷积神经网络浅层特征的语义信息,Deformable Transformer能对远距离特征建立依赖,可以有效实现对全局语义信息的捕获,提升特征表达能力.其次,构建基于任务学习模块的自适应检测头,在检测头中强化任务感知,能够自动学习与调整分类和定位任务的特征表示,缓解特征冲突.最后,将L1-IoU loss作为定位损失函数,在训练过程中能使模型更准确地衡量候选框与真实框之间的定位误差,从而提高目标定位的准确性.在高分辨率遥感数据集NWPU VHR-10和RSOD上对该方法进行有效性评估,结果显示,与其他方法相比,所提方法具有较为明显的提升效果.

关键词：

遥感图像目标检测DeformableTransformer任务学习模块自适应检测头L1-IoUloss

原文链接:

NETL
NSTL
万方数据

语义引导下的快速二阶段三维目标检测

黄莽惠斌刘兆吉金天明...

327-337页

查看更多>>摘要：随着激光雷达采样率不断提高,系统可以更快速地获取高分辨率的场景点云数据.密集的点云有利于提高三维目标检测的精度,但也增大了计算的负担,基于点表征的三维目标检测方法面临着如何平衡速度和精度的挑战.为提高三维目标检测多级下采样的计算效率,解决前景点召回率低和一阶段网络尺寸歧义的问题,提出基于语义引导的快速二阶段方法.在第一阶段引入语义引导下采样方法,使深度神经网络能够更高效地感知前景点.在第二阶段引入通道感知池化方法,通过添加池化点来聚合采样点的语义信息,丰富感兴趣区域特征描述,获得更准确的建议框.在KITTI数据集上的测试结果显示:相比同类型的二阶段基线方法,所提方法对汽车、行人、骑行者类别的检测准确率最高提升了4.62百分点、1.44百分点、3.91百分点;另外,推理速度达55.6 frame/s,超出最快的基准线31.1%.算法在精度和速度方面都有着良好的表现,具有一定的实际应用价值.

关键词：

点云语义引导下采样通道感知池化三维目标检测

原文链接:

NETL
NSTL
万方数据

基于Yolov5-MGC的实时交通标志检测

朱宁可葛青王翰文余鹏飞...

338-347页

查看更多>>摘要：针对小目标交通标志检测存在的检测精度低、实时性差及模型体积大等问题,提出一种基于Yolov5的实时道路交通标志检测算法.首先,对Mobilenetv3中的倒残差结构进行改进,将其应用于Yolov5的主干网络中,使其更符合轻量网络的设计要求;其次,使用轻量级上采样通用算子CARAFE(content-aware ReAssembly of FEatures)代替原始网络的最近邻插值上采样模块,减少上采样信息损失的同时增大感受野;最后,使用全局与局部融合注意力(GLFA)聚焦全局尺度与局部尺度,增强网络对小目标物体的敏感程度.在自制中国多类交通标志数据集(CMTSD)上的实验结果表明:相比改进前的算法,改进后的算法在模型体积减小8.76 MB的基础上,平均精度均值(mAP)@0.5提升了2.58百分点,检测速度达62.59 frame/s;与其他主流目标检测算法相比,该算法在检测精度、检测速度及模型体积上具有一定的优势,在真实复杂交通场景中具有较好的性能.

关键词：

交通标志检测轻量网络CARAFE算子全局与局部融合实时检测

原文链接:

NETL
NSTL
万方数据

短波红外相机调制传递函数在轨测试

王伟张露鹤

348-352页

查看更多>>摘要：基于对倾斜刃边法在轨测试的基本原理,将倾斜刃边引入短波红外波段.选择边界清晰的地物目标作为刃边图像,详细分析在轨测试各流程,获取截止频率范围内的调制传递函数,其中在奈奎斯特频率处沿轨道方向和垂直于轨道方向的计算结果约为0.1.实验结果表明基于倾斜刃边的调制传递函数在轨测试能够克服地面像元分辨率对采样区域的限制,适用于小阵元、低分辨率的短波红外相机.

关键词：

短波红外波段倾斜刃边调制传递函数在轨测试

原文链接:

NETL
NSTL
万方数据

基于自监督学习的高光谱图像降维算法

周峥杨宇张敢许立兵...

353-361页

查看更多>>摘要：针对高光谱图像(HSI)分类中有标签样本少和数据高维度降低HSI像素分类精度的问题,提出一种基于自监督学习的特征提取方法,以提取表示HSI数据关键信息的低维度特征.首先利用无监督数据增强方法扩展HSI训练集;随后在自监督学习框架下利用扩展的数据集训练由一个外部注意力模块构造的特征提取模块,在光谱数据内在共现属性的监督下,提取单个样本波段之间的自亲和力特征和不同样本之间的潜在相关性;最后,利用训练的特征提取模块降维原始HSI数据后将其输入后续分类器,实现对HSI像素的分类.通过对Indian Pines、Salinas和Pavia University数据集降维结果的定量评价,验证了所提方法的可行性和有效性.实验结果表明:所提方法生成的特征提取模块可充分提取原始光谱数据中的空间-光谱特征,对训练集尺寸不敏感,适用于小样本HSI数据的场景.

关键词：

图像处理高光谱图像降维自监督学习

原文链接:

NETL
NSTL
万方数据

基于多尺度特征融合的小目标交通标志检测

井方科任红格李松

362-370页

查看更多>>摘要：针对现有目标检测算法对小尺寸或特征不明显的交通标志检测效果较差的问题,提出一种基于多尺度特征融合的小目标交通标志检测算法.首先,设计一种双向自适应特征金字塔网络,充分利用细节特征和跳跃连接,增强多尺度特征融合;其次,针对小目标的尺度特点提出双头检测结构,聚焦小目标特征信息,同时减少模型的参数量;再次,使用Wise-IoU v3边界框损失函数,结合动态非单调聚焦机制,利用锚框梯度增益分配策略,减小低质量示例产生的有害梯度;最后,在特征提取网络中融入坐标卷积(CoordConv),提升网络对坐标信息的关注程度,从而增强模型的空间感知能力.在Tsinghua-Tencent 100K数据集上的实验结果表明,改进后的模型的平均精度均值(mAP)为87.7%,较YOLOv5s提升了2.2百分点,且参数量仅为6.3×107,达到了参数量更少、精度更高的检测效果.

关键词：

机器视觉小目标交通标志检测多尺度特征融合损失函数

原文链接:

NETL
NSTL
万方数据

基于Swin Transformer的图神经网络小样本图像分类算法

王凯任劼章为川

371-379页

查看更多>>摘要：针对小样本图像分类任务中基于卷积神经网络的特征提取模块难以捕获远程语义信息和边特征相似度度量单一的问题,提出一种基于Swin Transformer的图神经网络小样本图像分类算法.首先,利用Swin Transformer网络来提取图像特征,并将该特征作为节点特征输入图神经网络;然后,通过增加额外度量的方式改进了边特征相似度量模块,形成双度量模块以计算节点特征之间的相似度,将得到的相似度作为边特征输入图神经网络;最后,交替更新节点和边特征来获取图像标签的信息.在Stanford Dogs、Stanford Cars和CUB-200-2011三个数据集上,所提方法对5-way 1-shot任务的分类准确率分别达85.21%、91.10%和91.08%,在小样本图像分类任务中取得了显著的效果.

关键词：

图神经网络小样本学习图像分类SwinTransformer双度量学习

原文链接:

NETL
NSTL
万方数据

融合特征金字塔与可变形分离卷积的CT图像层间插值方法

胡志宏刘孝保姚廷强申吉泓...

380-391页

查看更多>>摘要：针对计算机断层扫描(CT)序列图像中层间分辨率远低于层内分辨率的问题,提出了一种融合特征金字塔与可变形分离卷积的CT图像层间插值网络.该网络由两个模块构成:图像生成模块和图像增强模块.图像生成模块利用MultiResUNet实现对输入图像的特征提取,然后利用两组不同的可变形分离卷积分别对输入图像进行卷积运算生成候选层间图像;图像增强模块通过特征金字塔和图像合成网络实现对输入图像的多尺度特征融合,生成额外专注于上下文细节的图像,以进一步对候选层间图像的纹理细节进行增强.实验结果表明,所提层间插值网络生成的层间图像在定性和定量分析上均取得了较优效果,在图像边缘轮廓及纹理细节处理上表现更加出色,能有效提高CT序列图像的层间分辨率.

关键词：

医学图像层间插值层间分辨率特征金字塔可变形分离卷积

原文链接:

NETL
NSTL
万方数据

基于双重注意力网络的高动态范围图像重建

王仙峰刘世本田建东赵娟平...

392-399页

查看更多>>摘要：在高动态范围(HDR)图像重建任务中,当输入图像过曝光或者欠曝光时,常见的基于深度学习的HDR图像重建方法容易出现细节信息丢失和色彩饱和度差的问题.为了解决这一问题,提出一种基于双重注意力网络的HDR图像重建方法.首先,利用双重注意力模块(DAM)分别从像素和通道两个维度的注意力机制对过曝光和欠曝光的两张源图像进行特征提取并融合,得到一张初步融合图像;接着,构建特征增强模块(FEM)分别对初步融合图像进行细节增强和颜色校正;最后,引用对比学习使生成图像更加接近参考图像的同时远离源图像.经过多次训练,最终生成HDR图像.实验结果表明,所提方法取得最优的峰值信噪比(PSNR)、结构相似性(SSIM)和学习感知图像块相似度(LPIPS)指标,且生成的HDR图像色彩饱和度好且细节信息精准完整.

关键词：

图像重建高动态范围成像图像融合双重注意力机制

原文链接:

NETL
NSTL
万方数据

首页
1
2
3
4
5