检索结果-内蒙古大学图书馆

城市勘测 2025年第1期 8-13页

作者：王瑞亭喜文飞白世晗钱堂慧丁子天郭峻杞云南师范大学地理学部云南昆明650500 云南省水利水电勘测设计研究院云南昆明650500

复杂建筑物轮廓信息对城市变化监测、城市规划及三维建模有着重要意义。针对现有深度学习模型在复杂建筑物轮廓提取中存在的边缘信息提取不完整的问题,本文通过改进u-net网络,提出一种基于注意力机制的ATT-unet模型。该模型通过注意力... 详细信息

复杂建筑物轮廓信息对城市变化监测、城市规划及三维建模有着重要意义。针对现有深度学习模型在复杂建筑物轮廓提取中存在的边缘信息提取不完整的问题,本文通过改进u-net网络,提出一种基于注意力机制的ATT-unet模型。该模型通过注意力机制动态调整特征权重,细化边缘特征,增强模型特征提取能力。实验结果表明:引入注意力机制提升了模型对复杂建筑物边缘的识别精度,相较于传统u-net模型,ATT-unet精确率提高15.2%,召回率提高20.1%,F1分数提高17.7%,交并比提高26.6%。该模型能够准确提取复杂建筑物的完整轮廓,可以用于监测城市建设动态变化,辅助制定科学的城市规划方案。

关键词： u-net模型注意力机制建筑物提取深度学习高分辨率遥感影像

来源：评论

学校读者我要写书评

暂无评论

改进u-net模型在水工混凝土结构隐患检测中的应用

引用

水利科技与经济 2025年第2期31卷 154-157页

作者：曹宇费县许家崖水库管理中心山东临沂273400

定期开展水工混凝土结构检测是保障水工构筑物运行安全的重要手段。研究提出一个改进的u-net模型,用于水工混凝土结构检测。该模型结合空洞空间金字塔池化(ASPP)和卷积块注意力模块(CBAM),以增强模型对于复杂水工结构图像中细微特征的... 详细信息

定期开展水工混凝土结构检测是保障水工构筑物运行安全的重要手段。研究提出一个改进的u-net模型,用于水工混凝土结构检测。该模型结合空洞空间金字塔池化(ASPP)和卷积块注意力模块(CBAM),以增强模型对于复杂水工结构图像中细微特征的捕捉能力。结果表明,相比传统u-net模型,本模型在水工混凝土结构隐患检测中表现出更高的精度。研究结果可为混凝土结构安全检测领域提供有效的技术手段,有助于提前发现并处理潜在的安全隐患。

关键词：结构隐患检测深度学习 u-net模型 ASPP CBAM

来源：评论

学校读者我要写书评

暂无评论

u-net模型在高分辨率遥感影像水体提取中的应用

引用

国土资源遥感 2020年第1期32卷 35-42页

作者：王宁程家骅张寒野曹红杰刘军北京合众思壮科技股份有限公司北京100015 中国水产科学研究院东海水产研究所上海200090 北斗导航位置服务(北京)有限公司北京100191

选择安徽省巢湖流域为研究区,采用u-net模型和随机森林模型,对高分一号(GF-1)高分辨率遥感影像进行水体信息提取,并对比分析了2种模型的水体提取结果和效率。结果表明:①对于大面积水体,2种模型的水体提取结果均具有较高的精度;②对于... 详细信息

选择安徽省巢湖流域为研究区,采用u-net模型和随机森林模型,对高分一号(GF-1)高分辨率遥感影像进行水体信息提取,并对比分析了2种模型的水体提取结果和效率。结果表明:①对于大面积水体,2种模型的水体提取结果均具有较高的精度;②对于小面积水体,随机森林模型水体提取结果存在较多细碎图斑,u-net模型水体提取结果和人工目视解译结果更加符合;③对于遥感影像中城市建筑物阴影和山体阴影,u-net模型能较好地消除阴影影响,正确提取水体,而随机森林模型存在较多将阴影误分为水体的现象;④总体来看,在复杂地表覆盖类型条件下,u-net模型提取水体的总体精度为98. 69%,Kappa系数为0. 95,均高于随机森林模型,在2种模型漏分误差相当的情况下,u-net模型错分误差远小于随机森林模型。u-net模型避免了人工提取分类特征的过程,自动化程度更高,训练效率较高,适用于遥感影像中水体高精度提取。

关键词： GF-1 u-net模型随机森林水体提取

来源：评论

学校读者我要写书评

暂无评论

u-net模型对不同空间分辨率防护林提取精度的影响

引用

测绘通报 2021年第6期 39-43页

作者：王学文赵庆展田文忠龙翔江萍石河子大学信息科学与技术学院新疆石河子832000 兵团空间信息工程技术研究中心新疆石河子832000 石河子大学机械电气工程学院新疆石河子832000

针对当前无人机影像获取精度高但数据规模小的问题,本文提出通过u-net模型探讨不同空间分辨率对防护林提取精度的影响。以CW-20复合翼无人机搭载Micro MAC12 Snap多光谱传感器获取的300 m(空间分辨率0.15 m)、400 m(空间分辨率0.20 m)、... 详细信息

针对当前无人机影像获取精度高但数据规模小的问题,本文提出通过u-net模型探讨不同空间分辨率对防护林提取精度的影响。以CW-20复合翼无人机搭载Micro MAC12 Snap多光谱传感器获取的300 m(空间分辨率0.15 m)、400 m(空间分辨率0.20 m)、500 m(空间分辨率0.25 m)3种不同高度的遥感影像为例,试验结果证明,3种不同高度的影像提取精度误差在1.3%以内;MIou误差在3.7%以内。空间分辨率对防护林提取精度的影响较小,高空间分辨率的影像数据并不能显著提升防护林的提取精度。本文为大规模农林业遥感监测的数据源获取提供了理论依据。

关键词：无人机多光谱影像空间分辨率防护林提取 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net模型的小麦收获含杂率在线检测方法

引用

农业机械学报 2023年第2期54卷 73-82页

作者：陈满金诚谦莫恭武刘士坤徐金山农业农村部南京农业机械化研究所南京210014 江苏省农业机械试验鉴定站南京210017

含杂率是小麦机械化收获重要指标之一,但现阶段我国小麦收获过程含杂率在线检测难以实现。为了实现小麦机械化收获过程含杂率在线检测,本文提出基于结合注意力的改进u-net模型的小麦机收含杂率在线检测方法。以机收小麦样本图像为基础,... 详细信息

含杂率是小麦机械化收获重要指标之一,但现阶段我国小麦收获过程含杂率在线检测难以实现。为了实现小麦机械化收获过程含杂率在线检测,本文提出基于结合注意力的改进u-net模型的小麦机收含杂率在线检测方法。以机收小麦样本图像为基础,采用Labelme手工标注图像,并通过随机旋转、缩放、剪切、水平镜像对图像进行增强,构建基础图像数据集;设计了结合注意力的改进u-net模型分类识别模型,并在torch 1.2.0深度学习框架下实现模型的离线训练;将最优的离线模型移植到Nvidia jetson tx2开发套件上,设计了基于图像信息的含杂率量化模型,从而实现小麦机械化收获含杂率在线检测。试验结果表明:针对不同模型的训练结果,结合注意力的改进u-net模型籽粒和杂质分割识别F1值分别为76.64%和85.70%,比标准u-net高10.33个百分点和2.86个百分点,比DeepLabV3提高10.22个百分点和11.62个百分点,比PSPnet提高18.40个百分点和14.67个百分点,结合注意力的改进u-net模型对小麦籽粒和杂质的识别效果最好;在台架试验和田间试验中,装置在线检测含杂率均值分别为1.69%和1.48%,比人工检测高0.26个百分点和0.13个百分点;由含杂率检测结果定性分析可知,无论是台架试验还是田间试验,装置和人工检测结果均小于2%,判定试验过程联合收获机的作业性能均符合国家标准,检测结果具有一致性。因此,本文提出的小麦含杂率在线检测方法能够为小麦联合收获作业质量在线调控提供技术支撑。

关键词：小麦收获含杂率在线检测注意力机制 u-net模型

来源：评论

学校读者我要写书评

暂无评论

多尺度卷积核u-net模型的视网膜血管分割方法

引用

东北大学学报（自然科学版） 2021年第1期42卷 7-14页

作者：杨丹刘国如任梦成裴宏杨东北大学信息科学与工程学院辽宁沈阳110819 东北大学辽宁省红外光电材料及微纳器件重点实验室辽宁沈阳110819 东北大学智能工业数据解析与优化教育部重点实验室辽宁沈阳110819

针对病变视网膜血管结构的计算机辅助诊断问题,提出了一种多尺度卷积核u-net模型的视网膜血管分割方法.在u-net模型基础上设计了融合Inception模块和最大索引值上采样方法的多尺度卷积神经网络结构.在网络训练阶段,采取旋转、镜像等操... 详细信息

针对病变视网膜血管结构的计算机辅助诊断问题,提出了一种多尺度卷积核u-net模型的视网膜血管分割方法.在u-net模型基础上设计了融合Inception模块和最大索引值上采样方法的多尺度卷积神经网络结构.在网络训练阶段,采取旋转、镜像等操作进行数据集扩充,运用CLAHE算法进行图像预处理;训练后得到的双通道特征图,进行Softmax归一化;最后通过改进的代价损失函数对归一化结果迭代优化,得到完整的视网膜血管分割模型.实验结果表明,所提方法在DRIVE数据集上分割的准确率达到0.9694,灵敏性达到0.7762,特异性达到0.9835,比u-net模型具有更优的分割效果和泛化能力,与其他现存方法相比具有一定的竞争力.

关键词：视网膜血管多尺度卷积核 u-net模型 Inception模块 CLAHE算法

来源：评论

学校读者我要写书评

暂无评论

改进u-net模型的保护性耕作田间秸秆覆盖检测

引用

光学精密工程 2022年第9期30卷 1101-1112页

作者：刘媛媛周小康王跃勇于海业庚晨何铭吉林农业大学信息技术学院吉林长春130118 吉林农业大学工程技术学院吉林长春130118 吉林大学工程仿生教育部重点实验室吉林长春130025

为了适应保护性耕作秸秆还田监测的技术需求,提出了一种改进的u-net语义分割算法对秸秆覆盖率进行检测。首先,提出一种新的卷积模块代替原始u-net框架中的卷积模块;其次,改进Inception结构,引入条纹池化和高效空间金字塔空洞卷积模块,... 详细信息

为了适应保护性耕作秸秆还田监测的技术需求,提出了一种改进的u-net语义分割算法对秸秆覆盖率进行检测。首先,提出一种新的卷积模块代替原始u-net框架中的卷积模块;其次,改进Inception结构,引入条纹池化和高效空间金字塔空洞卷积模块,形成新的Gception结构;最后,在模块中引入注意力机制。利用无人机采集田间地表图像,将改进的u-net模型应用于自标注田间秸秆图像分割,与u-net,PSP-net,Link-net,Res-net,DSRA-unet和DE-GWO算法进行对比实验,得到的平均交并比为80.05%,平均像素精确度为91.20%,覆盖率平均误差为0.80%。实验结果表明,改进u-net模型的分割结果优于对比算法,能够保证特征提取的有效性和全局特征的完备性,有效剔除树影以及田内其他干扰因素。该模型适用于含有农机和树影等干扰的田间复杂场景,在大尺度图像中亦可获得较好的分割效果,可为大面积秸秆覆盖率检测提供技术支持。

关键词：秸秆图像覆盖率检测语义分割 u-net模型注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于u-net模型的多时相Sentinel-2A/B影像林分类型分类

引用

林业科学研究 2022年第4期35卷 103-111页

作者：杨丹李崇贵李斌西安科技大学测绘科学与技术学院陕西西安710054

[目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时... 详细信息

[目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时相植被指数及红边指数特征(DVI、mNDVI、CIred-edge、NDre1)。采用支持向量机和优化的u-net模型分别对单一时相+DEM和单一时相+DEM+多时相植被指数两种方案进行分类实验。[结果](1)在单一时相+DEM基础上,加入多时相植被指数后,u-net模型精度为77.87%,比单一时相+DEM精度高6.67%;(2)u-net模型的总体精度明显优于支持向量机,并且分类效果更好。同时,深度学习u-net模型能够避免“椒盐”现象,分类结果更细腻。[结论]基于多时相Sentinel-2A/B影像,构建植被指数及红边指数时序特征,同时采用u-net模型在一定程度上能够提高林分类型分类精度。

关键词：多时相Sentinel-2A/B影像植被指数红边指数 u-net模型支持向量机森林分类

来源：评论

学校读者我要写书评

暂无评论

联合改进u-net模型和D-InSAR技术采矿沉陷提取方法

引用

自然资源遥感 2023年第3期35卷 145-152页

作者：林佳惠刘广范景辉赵红丽白世彪潘宏宇中国科学院空天信息创新研究院数字地球重点实验室北京100094 可持续发展大数据国际研究中心北京100094 中国科学院大学北京100049 中国自然资源航空物探遥感中心北京100083 南京师范大学海洋科学与工程学院南京210023 中国科学院、水利部成都山地灾害与环境研究所中国科学院山地灾害与地表过程重点实验室成都610041

矿产资源开采导致的地表沉陷不仅是矿区国土空间开发利用需要考虑的重要因素,而且对地下非法开采的区域具有明显的指征作用。矿产资源开采一般具有分布范围较广、分布不均且较分散的特点,因此快速、准确地识别并提取大区域内采矿沉陷的... 详细信息

矿产资源开采导致的地表沉陷不仅是矿区国土空间开发利用需要考虑的重要因素,而且对地下非法开采的区域具有明显的指征作用。矿产资源开采一般具有分布范围较广、分布不均且较分散的特点,因此快速、准确地识别并提取大区域内采矿沉陷的空间分布非常必要。本研究基于合成孔径雷达差分干涉测量技术(differential interferometric synthetic aperture Radar,D-InSAR)得到矿区多时相差分干涉相位图,并使用深度学习FCN-8s,PSPnet,Deeplabv3和u-net模型训练网络开展采矿沉陷智能识别,结果显示u-net模型具有较高的检测精度且用时较短。为提高采矿沉陷的语义分割提取精度,在传统u-net模型中引入高效通道注意力模块进行训练。结果表明改进的u-net模型与传统模型相比,在测试集上采矿沉陷对应的交并比提升2.54百分点,为大范围采矿沉陷时空分布提取问题提供新的解决方法。

关键词： u-net模型 D-InSAR 采矿沉陷提取语义分割注意力模块

来源：评论

学校读者我要写书评

暂无评论

基于u-net模型的城建施工扬尘源识别与分类

引用

中国环境监测 2024年第5期40卷 234-240页

作者：高占国陶全刚陈元汪伟峰徐国津叶文波应红梅浙江省宁波生态环境监测中心浙江宁波315048

城建施工不同环节均不可避免地存在各类施工扬尘,其中拆迁未建区与建设初期、中期和后期的建筑工地是城市施工产生扬尘的4类重要源头。以宁波市辖区的平原地区为研究区,选择2019年3—8月的谷歌地球高分遥感影像,基于u-net模型的遥感影... 详细信息

城建施工不同环节均不可避免地存在各类施工扬尘,其中拆迁未建区与建设初期、中期和后期的建筑工地是城市施工产生扬尘的4类重要源头。以宁波市辖区的平原地区为研究区,选择2019年3—8月的谷歌地球高分遥感影像,基于u-net模型的遥感影像语义分割的方法,并采用基于人工与空间关系的混合校正策略,开展施工扬尘源的识别与分类方法研究,结果显示:模型可以实现4类扬尘源的识别与分类;针对部分扬尘源识别与分类效果较差的局部地区,采用基于人工与空间关系的混合校正策略可以有效校正模型分类的结果;共识别到4类扬尘源940处,面积4430.23 hm2,主要集中在中心城区的中部地区,且拆迁未建区和建设初期工地的扬尘源较多,建设中期和后期工地的扬尘源相对略少。

关键词： u-net模型拆迁未建区城建施工扬尘源遥感解译

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：