Dec, 2022

基于内核反向金字塔调整的网络的高效路面病害识别

PDF
TL;DR提出了一种用于道路病害识别的高效率方法，采用图像自动化技术，将图像分成小块，通过网络来识别道路病害，并通过 Kernel Inversed Pyramidal Resizing Network 对图像进行预处理，提高图像分辨率和比例，使用该方法比现行方法更高效。
pavement distress recognitionimage-based automationkernel inversed pyramidal resizing networkconvolutional neural networksefficiency
发现论文，激发创造
  • 参数反转图像金字塔网络

    使用参数反转图像金字塔网络（PIIP）进行多尺度特征提取，在计算效率和性能之间取得平衡，并通过特征交互机制有效整合不同空间尺度的信息，在对象检测、分割和图像分类等任务中相较于传统图像金字塔方法和单一卷积网络，降低了计算成本且取得更好的性能表现。

    Jun, 2024

  • EDPN：模糊图像复原的增强深度金字塔网络

    该研究提出了基于金字塔的两种模块，即金字塔渐进传递模块（PPT）和金字塔自我关注模块（PSA），用于模糊图像的恢复，通过充分利用降采样和压缩等多种模糊的图片的自我和跨尺度相似性来进行模糊图像的恢复。通过实验结果证明，该方法显著优于现有的模糊图像超分辨率和模糊图像去块方法。在 NTIRE 2021 图像去模糊挑战中，EDPN 在 Track 1（低分辨率）中实现了最好的 PSNR / SSIM / LPIPS 分数，在 Track 2（JPEG 伪影）中实现了最好的 SSIM / LPIPS 分数。

    May, 2021

  • 多核心感知网络用于遥感检测

    本文介绍了一种用于遥感图像中的目标检测的多尺度多核卷积网络（PKINet），它使用多尺度卷积核提取不同尺度的目标特征并捕捉局部上下文信息，并引入了上下文锚点注意力模块来捕捉远程上下文信息，这两个组件共同推进了 PKINet 在四个具有挑战性的遥感检测基准上的性能提升。

    Mar, 2024

  • 图像处理的卷积神经金字塔

    本研究提出了一种基于卷积神经金字塔（CNP）框架的、旨在解决低层次视觉和图像处理任务的方法，可实现低计算复杂度下大感受野视觉处理。此方法适用于图像复原、填补、降噪、去除伪影、边缘升华、滤波、增强和上色等应用领域。

    Apr, 2017

  • 用于路面裂缝检测的特征金字塔和分层增强网络

    为了确保道路安全，需要进行路面裂缝检测。本研究提出一种基于深度学习的新型网络体系结构，称为特征金字塔和分层增强网络（FPHBN），以解决路面裂缝检测中的难题。实验表明，该方法在准确性和通用性方面优于现有的检测、边缘检测和语义分割方法。

    Jan, 2019

  • 扩张残差网络

    本文介绍了一种通过采用 dilated residual networks 提高图像分类准确性及在物体定位和语义分割等下游应用中的效果，同时探究了这种方法引入的网格伪影问题并提出了解决方法。

    May, 2017

  • SDRCNN：一种单尺度密集残差连接卷积神经网络用于全色增强

    该研究开发了一种名为 SDRCNN 的新型单分支、单规模轻量级卷积神经网络，用于对卫星传感器获取的不同分辨率多光谱图像信息进行融合处理，并与其他方法进行了比较，结果表明 SDRCNN 方法在处理时间、空间细节和光谱扭曲方面均表现优于比较方法。

    Jul, 2023

  • 用于柔性路面裂缝检测的卷积神经网络

    该研究使用了六种卷积神经网络模型来进行道路裂缝的检测，并使用一个由 14000 个样本组成的新型真实二元裂缝数据集进行微调，观察数据集扩增的效果，并得出 ResNet 和 VGG16 模型具有最高精度为 98% 的结论。

    Apr, 2023

  • 用于图像去雨的轻量级金字塔网络

    本文介绍了一种轻量级网络结构（LPNet）用于图像去雨，采用高斯 - 拉普拉斯图像金字塔分解技术简化学习过程，并采用递归和残差网络结构，以不到 8K 的参数达到最先进的性能，同时讨论了 LPNet 在其他低级和高级视觉任务中的潜在价值。

    May, 2018

  • 可逆残差缩放模型

    通过学习特定分布下的高分辨率图像与低分辨率图像之间的双射映射，我们提出了可逆残差缩放模型 (IRRM) 来构建深度网络，通过长跳跃连接的残差降采样模块 (RDM) 和短连接的可逆残差块 (IRB) 来强制模型提取图像的高频信息，从而在图像缩放任务中显著优于其他先进方法，且使用更少的参数和复杂性。

    May, 2024