袁非牛教授在国际顶级期刊IEEE Transactions on Image Processing上发表学术论文
bat365官网登录电气信息系教授袁非牛,与江西科技师范大学、江西财经大学、西北工业大学的学者,共同完成的论文“A Gated Recurrent Network With Dual Classification Assistance for Smoke Semantic Segmentation”,发表在国际顶级学术期刊《IEEE Transactions on Image Processing》的2021年第4期上。截止目前为止,此论文是2021年公司唯一一篇发表在《IEEE Transactions on Image Processing》期刊上的论文。该期刊是国际图像处理、计算机视觉、人工智能领域的顶级学术期刊,属于中科院SCI分区计算机科学大类一区、工程技术大类一区,同时也是人工智能小类一区和电气与电子小类一区,影响因子为9.340。
该论文提出一种采用分类辅助策略的门控循环神经网络,用于提高语义分割精度。作者设计一种带有双重分类辅助的分割策略,以降低具有相似外形目标对分割结果带来的干扰。分类辅助模块产生两个预测概率,一个概率通过监督交叉熵分类损失来显式地调节分割模块以提升准确度,另一个概率则直接与分割结果相乘以进一步微调分割结果。这种双重分类辅助策略极大地提升了图像分割精度。在分割模块中,作者设计了一个注意力卷积门控循环单元(Att-ConvGRU)去学习特征的长距离上下文依赖。此外,还设计一个多尺度上下文对比局部模块(MCCL)和密集金字塔池化模块(DPPM),用于缓解目标不显著性和类间相似性问题。大量实验显示,该方法在取得了令人满意的效果。