TY -的A2, Yugen AU -阴,剑盟——周Zhibo盟——徐Shaohua AU -杨,Ruiping盟——刘,库恩PY - 2021 DA - 2021/12/18 TI -生成敌对的网络融合Dual-Attention机制及其应用在多目标图像精细分割SP - 2464648六世- 2021 AB -针对的问题无关紧要的目标形态学特征,准确检测和不清楚小目标的边界地区,在多目标和多目标边界重叠复杂的图像分割,生成的图像分割机制对抗网络结合非局部的功能增强方法的关注,生成敌对的网络融合的注意机制(AM-GAN)提出。生成网络模型中由残余网络和外地关注模块,使用剩余网络的特征提取和多尺度融合机制,以及功能增强和全局信息融合能力的非局部空间信道双重关注提高目标特性的检测区域,提高分割边界的连续性和清晰。敌对的网络是由完全卷积网络,惩罚的损失小目标地区的信息判断预测的真实性和标签生成的分割和提高检测能力敌对的小目标模型和多目标分割的准确性。AM-GAN可以使用氮化镓的内在机制,重建和修复高分辨率图像,以及外地的能力全球接受域加强细节的关注功能,自动学会关注目标结构不同的形状和大小,突出特征用于特定任务,减少损失图像的细节特征,改善小目标检测的准确性,优化多目标的分割边界。以医学核磁共振腹部图像分割为验证实验中,多目标,如肝、左/右肾,脾是选择分割和异常组织检测。在小样本不平衡数据集的情况下,类像素的精度达到87.37%,十字路口在联盟是92.42%,平均骰子系数是93%。与其他方法相比,在这个实验中,分割精度和准确性大大提高。结果表明,该方法具有良好的适用性等解决典型的多目标图像分割问题小目标特征检测边界重叠,和抵消变形。SN - 1687 - 5265 UR - https://doi.org/10.1155/2021/2464648 - 10.1155 / 2021/2464648摩根富林明计算智力和神经科学PB - Hindawi KW - ER