检索结果

Select

1. 不完整实例引导的航空发动机叶片实例分割

黄睿, 张超群, 成旭毅, 邢艳, 张宝

《计算机应用》唯一官方网站 2024, 44 (1): 167-174. DOI: 10.11772/j.issn.1001-9081.2023010037

摘要（223）

HTML （10）

PDF （4546KB）（82）

当前基于深度学习的实例检测方法在进行发动机叶片分割时，由于缺少带标注的发动机叶片数据，导致无法充分训练网络模型，仅得到次优的分割结果。为了提升航空发动机叶片实例分割精度，提出了不完整实例引导的航空发动机叶片实例分割方法，通过结合已有的实例分割方法和交互式分割方法，可得到较好的发动机叶片分割结果。首先，使用少量标注数据训练实例分割网络，得到发动机叶片的初步分割结果；其次，将检测到的单个叶片分为前景和背景两部分，通过选择前景种子点和背景种子点，利用交互式分割方法的思想，产生完整的单个叶片的分割结果；依次处理完所有的叶片后，将结果合并得到最终的发动机叶片实例分割结果。使用72张图像训练基于稀疏实例激活图的实时实例分割方法（SparseInst）产生初始的实例分割结果，在56张图像上进行测试。所提方法的全类平均准确率（mAP）比SparseInst的全类平均准确率高5.1个百分点；且它的mAP结果均优于当前流行的实例分割方法MASK R-CNN（MASK Region based Convolutional Neural Network）、YOLACT （You Only Look At CoefficienTs）、BMASK-RCNN （Boundary-preserving MASK R-CNN）。

图表 | 参考文献 | 相关文章 | 多维度评价

Select

2. 航空发动机损伤图像的二分类到多分类递进式检测网络

樊玮, 李晨炫, 邢艳, 黄睿, 彭洪健

计算机应用 2021, 41 (8): 2352-2357. DOI: 10.11772/j.issn.1001-9081.2020101575

摘要（444）

PDF （1589KB）（508）

航空发动机损伤是影响飞行安全的重要因素。当前基于计算机视觉的发动机孔探图像损伤检测存在两个主要问题：一是孔探图像背景复杂，使得模型对损伤的检测精度较低；二是孔探图像数据来源受限，导致模型可检测类别较少。为解决这两个问题，提出了基于Mask R-CNN的二分类到多分类递进式航空发动机损伤图像检测网络。通过在Mask R-CNN中增加二分类检测分支，首先对图像中的损伤进行二分类检测并对定位坐标进行回归优化；其次使用原始检测分支递进地进行多分类检测，以进一步回归优化损伤的检测结果并确定损伤类型；最后根据多分类检测的结果，通过Mask分支对对损伤进行实例分割。为了增加模型检测类别及验证方法的有效性，构建了包含八种损伤类型，共1 315张孔探图像的数据集。在该集合上进行的训练和测试结果表明，多分类检测的平均精度（AP）和AP75与Mask R-CNN相比分别提高3.34%、9.71%，可见所提方法能够有效提高对孔探图像中的损伤的多分类检测精度。

参考文献 | 相关文章 | 多维度评价

Select

3. 基于自编码器的多视图属性网络表示学习模型

樊玮, 王慧敏, 邢艳

计算机应用 2021, 41 (4): 1064-1070. DOI: 10.11772/j.issn.1001-9081.2020061006

摘要（424）

PDF （1029KB）（597）

现有的大多数网络表示学习方法很难兼顾网络中丰富的结构信息和属性信息，导致其后续任务，如分类、聚类等的效果不佳。针对此问题，提出一种基于自编码器的多视图属性网络表示学习模型（AE-MVANR）。首先，将网络的拓扑结构信息转化为拓扑结构视图（TSV），通过计算节点间相同属性共现频率来构造属性结构视图（ASV）；然后，在两个视图上分别利用随机游走算法得到若干节点序列；最后，经过自编码器训练得到的序列，从而得到融合了结构信息和属性信息的节点表示向量。在几个真实数据集上进行了分类、聚类任务的大量实验，结果表明，所提AE-MVANR优于常用的仅基于网络结构的和同时基于网络结构信息及节点属性信息的网络表示学习方法，具体来说该模型的分类准确率最高提升43.75%，而其聚类结果的标准化互信息（NMI）和轮廓系数（Silhouette Coefficient）指标最高增幅分别为137.95%和1 314.63%，戴维森堡丁指数（DBI）最大降幅达45.99%。

参考文献 | 相关文章 | 多维度评价

Select

4. 基于LeaderRank的标签传播社区发现算法

石梦雨, 周勇, 邢艳

计算机应用 2015, 35 (2): 448-451. DOI: 10.11772/j.issn.1001-9081.2015.02.0448

摘要（1116）

PDF （714KB）（800）

针对标签传播算法(LPA)结果的不稳定性,提出一种改进的基于标签传播的社区发现算法。该算法引入LeaderRank的概念来量化网络节点的影响力和重要性;然后按照节点重要程度从高到低选择若干核心节点;最后按照顺序分别以每个核心节点为中心向外逐层进行标签更新,直到不再出现标签变化为止,从而解决了原始算法对节点随机排序造成的结果不稳定性。以LFR基准网络和真实网络为实验数据,与几个现有标签传播算法进行比较,社区划分结果的标准化互信息(NMI)和模块度(Modularity)均高于对比算法。理论分析和实验结果表明所提算法不仅有效地增强了社区发现结果的稳定性,同时提高了准确率。

参考文献 | 相关文章 | 多维度评价

Select

5. 基于时空联合双重约束Snake算法的运动目标分割

吴金勇;马国强;张晓蕾;邢艳芳;徐健健

计算机应用

摘要（1117）

PDF （891KB）（930）

提出了一种针对运动目标进行分割的STC（SpatioTemporal Combined） Snake算法。该方法利用待分割帧图像的灰度梯度及其和相邻帧图像的时域信息，构造一种时空联合双重约束的外部能量函数，实现对Snake曲线的变形和收敛。对Snake轮廓进行初始化时，首先将相邻帧图像进行减运算，提取出大致的运动区域，然后再以该区域的外接矩形的长和宽为轴长，在该区域上构造一个椭圆，等间距提取该椭圆形上的N个点，形成Snake的初始化轮廓。实验结果表明，该方法是有效可行的，可精确的分割出非刚体的运动目标。