基于MD-LinkNet的低质量文档图像二值化算法

针对低质量文档图像存在的背景渗透、页面污渍 、边缘大面积与文本相似的噪声等 现象,改进D-LinkNet框架,提出了一种融合多尺度特征(multiple scale feature)的低 质量文档图像二值化算法,简称为MD-LinkNet。该算法有两处改进,一是在编解码中间部 分 增加剩余多核池化(RMP)模块来通过四个池化操作以提取丰富的文档特征信息;二是将池 化后的低分辨率图像通过DUpsample而不是双线性插值进行上采样,结合了文档图像像素邻 域信息,将文档图像的全局与局部特征进行融合,提高了分割精度。实验结果表明,在2017 年和2018年国际文档图像二值化竞赛(DIBCO)数据集中,本文算法 的F值(F-measure)最 高分别达到了90.54、91.42,验证了所提出算 法在解决 多种复杂噪声背景的低质量文档图像下的鲁棒性,且相比其他最新经典算法效果较优。     

基于音频内容的篮球比赛精彩镜头检测

提出了基于音频内容的篮球比赛精彩镜头检测系统.由音频统采用二叉树结构的多级支持向量机(SVM)分类器及SEFC-FDR方法检测5个关键词.第2个子系统提出事件的二级转换模型.对3场总时长约319min的NBA比赛进行测试,得分的平均准确率和回检率分别为64.89%和86.21%,犯规分别为64.60%和66.86%.     

篮球比赛视频节目中短管哨声检测方法

提出了一种检测篮球比赛视频中重要音频关键词（短管哨声）的方法。通过分析短管哨声的频谱分布特性提出一种二级检测方法：首先提取特定子带能量峰指数特征,并采用门限决策方法获得关键词候选集;第二级再结合梅尔频率倒谱系数和支持向量机得到最终的关键词检测结果。选取时长为1378s的NBA篮球比赛音频片段作为测试序列．验证了本方法具有正确率和检出率分别为95．45％和91.3％的性能。     

非局部卷积残差学习模型的病理图像分类方法

针对组织病理学图像癌细胞分布随机性强、分布广泛的特点,且常见的卷积神经网络(convolutional neural network, CNN)难以直接获取长范围依赖关系的问题,本文采用基于迁移学习的ResNet与优化后的Non-local Net相结合的非局部卷积残差模型,融合了位置和通道特征,在图像中提取全局信息选择有价值的区域进行分类。本文采用BreakHis数据集进行实验,针对数据集良恶性样本分布极不均衡的问题,采用Random-SMOTE算法平衡良恶性样本,强化模型学习少数类别特征的能力。在不区分倍数的数据集上,本文提出方法的PR、RE、SP和ACC分别达到93.28%、98.71%、98.67%和98.70%;在已知倍数的数据集上,上述指标也更高。与乳腺癌组织病理学分类中常用的算法相比,本文提出的方法具有更好的性能。     

基于深度学习的场景文本检测算法研究

针对自然场景中任意形状文本图像因文本行难以区分导致的信息丢失问题,提出了 一种基于深度学习的场景文本检测算法。首先构建特征提取模块,使用Resnet50作为骨干 网络,在增加跨层连接的金字塔网络结构中引入并联的空洞卷积模块,以提取更多语义信息; 其次,对得到的特征图进行多尺度特征融合,学习不同尺度的特征;最后预测出不同内核大 小的文本实例,并通过尺度扩展逐渐扩大文本行区域,直到得到最终的检测结果。实验结果 表明,该方法在SCUT-CTW1500弯曲文本数据集上的准确率、召回率及F1值分别达到88.5%、 77.0%和81.3%,相比其他基于分割的算法,该算 法对弯曲文本的检测效果良好,具有一定的 应用价值。     

基于残差神经网络的道路提取算法研究

针对遥感图像道路提取信息丢失问题,提出了一种基于残差神经网络的道路提取算法。首先构建编码器 解码器网络,结合预编码器以及空洞卷积模块进行训练,提取更多的语义信息;其次并联设计的空洞卷积模块加在编码器 解码器结构的中间部分,它可以对不同感受野的特征图进行特征提取;最后编码器 解码器之间采用跳连的方式进行多尺度的特征融合,学习更多低维和高维的特征。实验结果表明,在Massachusetts道路数据集上,该方法相比其他算法在Preci sion、Recall和F1 score性能指标上分别有11%、0.3%和7.4%的提升;同时在Accuracy指标上也达到了97.9%,相比于其他算法,该算法有一定的应用价值。