共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于深度学习的伪装目标检测综述显示文摘基于深度学习的伪装目标检测(COD)是一项新兴的视觉检测任务,其目的是精确且高效地检测出“完美”嵌入周围环境中的伪装目标。目前大多数工作旨在构建不同的伪装目标检测模型,对现有模型的归纳总结及深入分析的综述性工作还很少。因此,对基于深度学习的伪装目标检测模型进行了全面分析和总结,并探讨了伪装目标检测未来的研究方向。首先对基于深度学习的23个伪装目标检测模型分别从由粗到细策略、多任务学习策略、置信感知学习策略、多源信息融合策略以及基于Transformer共5个角度进行了分类介绍,并对每种策略的优劣进行了深入分析;其次介绍了伪装目标检测广泛使用的4个数据集以及4种评估准则;然后对现有基于深度学习的伪装目标检测模型在4个数据集上进行了性能比较,包括定量比较、视觉比较和效率分析,并分析了这些模型对不同类型目标的检测效果;接着简单介绍了伪装目标检测在医学、工业、农业、军事、艺术等领域的应用;最后指出了现有方法在复杂场景、多尺度目标、实时性、实际应用需求、多模态等方面存在的不足和挑战,并探讨了伪装目标检测未来的研究方向。 | 史彩娟 任弼娟 王子雯 闫巾玮 石泽 | 2022 | 计算机科学与探索2022，16，12： | 2 |
| 2 | 深度学习在结肠息肉分割中的应用综述显示文摘大部分结直肠癌起源于结肠息肉的恶性病变,使用计算机辅助诊断系统实现结肠息肉的自动精准分割具有重要的临床意义,能够在结肠镜检查过程中辅助医生提高息肉检出率。目前深度学习技术在医学图像分割领域应用广泛,基于深度学习的结肠息肉分割算法也取得了重大进展。简要介绍了传统息肉分割算法及其优点和局限性。重点从三个方面对深度学习息肉分割算法进行综述:基于经典CNN结构、基于U-Net结构和基于多模型融合的分割模型,并总结算法改进策略及其优势和局限性。归纳结肠息肉图像公开数据集及数据预处理方法,最后总结基于深度学习的息肉分割研究面临的挑战,并对该领域未来的研究方向做出展望。 | 孙福艳 王琼 吕宗旺 龚春艳 | 2023 | 计算机工程与应用2023，59，23： | 0 |
您所在的机构暂未开通此部分的功能，请联系管理员