检索结果-内蒙古大学图书馆

作者：产银萍江西理工大学

学位级别：硕士

影像引导放射治疗技术(Image-Guided Radiotherapy Technique,IGRT)是目前精准放疗中最重要的手段,用于初步定位和放疗摆位,提供位置信息用于病灶精准定位和肿瘤照射,在放射治疗中广泛应用。IGRT依赖锥形束计算机断层摄影术(Cone-Beam C... 详细信息

影像引导放射治疗技术(Image-Guided Radiotherapy Technique,IGRT)是目前精准放疗中最重要的手段,用于初步定位和放疗摆位,提供位置信息用于病灶精准定位和肿瘤照射,在放射治疗中广泛应用。IGRT依赖锥形束计算机断层摄影术(Cone-Beam Computed Tomography,CBCT)系统质量去验证治疗床的定位和放射治疗的监测,直接影响影像引导放疗过程的准确性。CBCT图像质量受到多种因素的影响,其质量评价指标是指CT值线性、空间分辨力、低对比度分辨力和均匀性,利用Catphan 504模体完成四种指标的自动评价关键技术是对模体中CTP404模块各个插件的自动定位。实现自动定位的前提是分割出各个插件,分割技术主要是传统的方法和机器学习的方法。CTP404模块有多个密度不同的插件,且在轴向切片图像中插件像素数占总的图像像素数的8%(图像大小为512×512),考虑到分割目标是多类,且对分割精度有一定的要求,将结合深度学习和传统分割方法。本文主要研究内容为:(1)探讨了u-net模型结构以及基于u-net的改进模型。u-net模型虽然实现了多目标的分割,但在网络训练阶段和验证阶段的训练精度和对低层次较小特征的识别有待进一步提高,则在u-net模型的基础上在前向卷积层中加入残差块和循环卷积层,以提高网络训练精度和对低层次特征的识别度。所以,基于u-net模型的基础上研究了基于u-net的残差网络、基于u-net的循环卷积神经网络和基于u-net的残差循环卷积神经网络。(2)通过在CBCT系统上采集的Catphan504模体数据对四种网络模型进行训练、测试,其中252张图像用于训练,63张图像用于测试。根据评价指标戴斯相似性系数和综合评价指标对分割目标插件Air、PMP、LDPE、Delrin和Teflon进行定量分析,比较各种模型的分割结果,获得基于u-net的残差循环卷积神经网络模型的分割结果在四种模型中最好;再利用摩尔邻域追踪算法处理R2u-net模型结果的边缘,获得更精确的结果以达到定位的目的。

关键词：图像质量评价 Catphan504模体 u-net模型图像分割

来源：评论

学校读者我要写书评

暂无评论

喀斯特山区复杂生境烟草低空遥感多尺度识别研究

喀斯特山区复杂生境烟草低空遥感多尺度识别研究

引用

作者：黎前霞贵州师范大学

学位级别：硕士

准确掌握烟株的数量和空间分布信息能够为烟草植株后期的施肥、灌溉和病虫害防治提供依据,及时、精准获取烟草植株信息对农业精细化管理和估产具有重要意义。遥感技术是绘制烟草空间分布图的有效手段之一,体型小、费用低的无人机为地表... 详细信息

准确掌握烟株的数量和空间分布信息能够为烟草植株后期的施肥、灌溉和病虫害防治提供依据,及时、精准获取烟草植株信息对农业精细化管理和估产具有重要意义。遥感技术是绘制烟草空间分布图的有效手段之一,体型小、费用低的无人机为地表破碎、复杂生境的喀斯特山区获取数据提供很好的遥感平台,为农作物精确制图创造新的可能性。喀斯特山区耕地地块破碎,烟草种植存在空间分布分散、植株生长不均、作物混种等特点,同时随着无人机飞行高度增加,烟株目标的投影面积趋小、形状发生变化、纹理特征越来越模糊,增加了分割难度,影响识别精度。为探讨高分辨率烟草样本数据集与训练的u-net模型是否适用于复杂生境多尺度烟草识别以及适用于多少飞行高度的影像识别开展研究,研究以贵州贞丰县北盘江镇烟草种植区为研究区,使用无人机采集喀斯特山区复杂生境下飞行高度为50m、60m、70m和90m的无人机影像,构建不同地块破碎度、气象变化、不同种植环境下的烟草数据集用于训练u-net模型,探讨复杂生境下多尺度烟草植株遥感识别的影响因素。结果如下:(1)研究考虑地块、种植环境、气象变化和烟株特征等因素对烟株识别的影响,通过对各因素特征分析,设置不同地块破碎度、种植生境复杂度、气象变化(晴天、多云)和烟株特征(长势、颜色等)等烟草识别场景,人工标注各种场景下的烟草植株共6612株,对影像和样本进行随机分割,构建成初始数据集;通过对原始样本进行增补和扩充,构建成增补数据集和扩充数据集。(2)复杂种植环境下不同飞行高度的烟株分割精度50m>60m>70m>90m。Kappa系数分别为0.92、0.89、0.86和0.34;Precision分别为0.96、0.94、0.93、0.22;Recall分别为0.91、0.90、0.86、0.24;Io u分别为0.88、0.85、0.8、0.23。随着飞行高度增加,u-net模型烟株识别的精度逐渐降低,飞行高度对烟株的识别精度有较大影响,与50m相比,60m分割结果精度Kappa系数、Precision、Recall和Io u分别降低0.03、0.02、0.01和0.03,70m分别降低0.06、0.03、0.05和0.08,90m分割结果精度分别降低0.58、0.74、0.67和0.65,50m、60m和70m均具有较好的实验结果,但是样本训练的模型不适用于90m影像中烟草植株提取,主要是受到无人机飞行高度和光照两个因素的影响。同时,不同种植环境下,种植背景越复杂,烟株分割结果越差,种植环境的复杂程度对烟株的分割影响较大。(3)烟株分割结果错漏因素分析。阴影、光照强度、烟株模糊致使烟株漏提,且影响较大;而土壤、岩石、地膜只会影响无杂草和少量杂草背景下烟株的提取,影响较小。u-net模型错提烟株,包括杂草、玉米植株、灌木丛、薏仁米植株、岩石、电线、白色地膜和泥土等,错提较多的是玉米植株、杂草、灌木丛和薏仁米植株,颜色与纹理等都烟株很相似,颜色相近、纹理相似对烟株识别影响较大。研究面向无人机遥感影像农作物信息解译需求,提出喀斯特山区小样本数据集构建流程,为复杂山区感影像样本库建设提供参考依据。验证了构建的烟草样本数据集训练u-net模型在复杂生境下多尺度无人机影像中高精度提取烟株的可行性和可靠性,为复杂生境喀斯特山区深度学习识别作物的方法论和技术体系研究具有一定的参考价值。

关键词： u-net模型多尺度复杂生境喀斯特山区

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net方法的脑肿瘤磁共振图像分割

基于改进U-Net方法的脑肿瘤磁共振图像分割

引用

作者：蔡畅中南民族大学

学位级别：硕士

人工智能技术的发展使得计算机辅助诊断的应用日益广泛,借助于临床医学大数据分析,计算机辅助诊断的效率和准确性也受到业界认可。近年来,随着深度学习在图像处理应用中的迅速发展,利用深度学习方法对医学图像进行分割也成为研究的热点... 详细信息

人工智能技术的发展使得计算机辅助诊断的应用日益广泛,借助于临床医学大数据分析,计算机辅助诊断的效率和准确性也受到业界认可。近年来,随着深度学习在图像处理应用中的迅速发展,利用深度学习方法对医学图像进行分割也成为研究的热点,特别是基于卷积神经网络的图像分割已成为医学图像处理的重要应用领域。医学图像分割的目的是将指定图像的病灶区域分割出来,其分割的准确性直接影响图像识别效果,也会对医生制订手术治疗方案产生影响。脑肿瘤是一种颅内组织出现癌变的疾病,其早期症状并不明显,没有引起人们足够的重视。一旦发生恶变,治疗难度较大。“早发现、早治疗”是预防脑肿瘤恶变的有效手段,临床诊断主要依赖磁共振成像检测技术识别脑肿瘤。为提高脑肿瘤诊断识别效率,脑肿瘤分割尤为重要。由于脑肿瘤其自身形状各异,产生的位置也各有不同,不同患者之间的脑肿瘤也存在差异,这使得医生在手动分割脑肿瘤时难以保证分割精度,分割效率较低,同时对医生的专业水平提出了更高的要求。利用深度学习方法对医学图像进行分割,不仅能够达到自动分割肿瘤病灶的目的,还能显著提高分割精度。为此,提出了两种基于改进u-net的脑肿瘤MRI图像分割模型:1)针对脑肿瘤边界模糊、对比度较低、模型训练较慢等问题,提出了基于残差的改进u-net分割模型。在u-net基础上引入残差网络,利用残差块替换u-net中的卷积层,同一层级的两个残差块之间加入跳跃连接,提取更多的特征信息,提高模型在训练过程中的收敛速度,残差块在反向传播时能够无衰减地传递,从而进一步提高了模型的训练效率与分割精度。2)针对脑肿瘤图像中冗余信息较多等问题,提出了基于残差注意力的改进u-net分割模型。在基于残差的改进u-net模型的基础上引入注意力机制,为图像中不同特征赋予不同权重,将计算资源集中在图像中待分割的区域,实现对图像中脑肿瘤的聚焦,剔除冗余信息,提升模型的分割精度。为了验证两种模型的分割效果,使用公共脑肿瘤作为数据集,利用交叉熵损失、Dice系数差异函数的结合作为损失函数,规避脑肿瘤MRI图像中类别不均衡的问题。通过最小化损失函数来训练模型,利用训练好的模型对测试集中的脑肿瘤MRI图像进行分割,得到的结果与医生手工标注的分割结果十分接近,证明了两种模型的可行性和有效性。综合模型测试时得到的各项评价指标,提出的两种模型均要优于原始的u-net,其中基于残差注意力的改进u-net分割模型拥有最高的分割精度。

关键词：脑肿瘤磁共振图像分割 u-net模型残差网络注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于u-net的医疗图像识别系统的设计与实现

基于U-net的医疗图像识别系统的设计与实现

引用

作者：谢延昭华中科技大学

学位级别：硕士

图像识别与信息技术的飞速发展,不仅在我们常见的一些领域诸如信息管理方面影响着人们的生活和行业的管理模式,并且非常显著地提高了各行各业的工作效率。在医疗领域,由于目前高度悬殊的医患比例,导致越来越多的医生需要负担更多的患者... 详细信息

图像识别与信息技术的飞速发展,不仅在我们常见的一些领域诸如信息管理方面影响着人们的生活和行业的管理模式,并且非常显著地提高了各行各业的工作效率。在医疗领域,由于目前高度悬殊的医患比例,导致越来越多的医生需要负担更多的患者的诊疗任务,为了降低医生对CT片和超声检测图像的识别工作量,提高患者与医生的远程交流和互动的效率,本文设计并实现了基于语义分割的CT图像和超声识别图像的医疗图像识别系统。本文按照医务工作者和广大患者所提出的要求,设计并实现了基于u-net模型的医疗图像识别系统。系统采用了当前语义分割领域中效果已经比较好的u-net网络结构,并且将Inception V3结构和residual block两种结构融入到u-net网络中,用ELu激活函数代替了之前使用的ReLu激活函数,实现了改进的图像模型,并在训练结果的平均准确率方面得到一定的提升。医疗图像识别系统把这个算法模型作为一个重要模块,系统的搭建使用了Python作为开发语言,使用MySQL 5.7作为系统的数据库,并运用目前比较先进的和快捷的Django框架的1.9.0版本作为Web开发框架来实现,实现了医院信息管理、预测模型管理以及问题咨询等主要功能,实现了与用户的很好的交互。经过最终的测试,该系统的算法部分达到了需求提出的准确性要求,针对颈椎超声图像和腰椎CT图像的平均准确率,将准确率从原有的69.39%和67.92%分别提高为71.88%和70.96%.基于此语义分割算法搭建的医疗图像识别系统,能够稳定的处理医务工作者和广大患者的各方面需求,并可以在需求范围内进行快速的图像分割处理。系统测试版本经过相关用户人群的使用,确实能够一定程度提高医患沟通效率并提高医务工作者的的有关工作效率,实现了设计要求。

关键词：语义分割 u-net模型图像识别系统 Django框架

来源：评论

学校读者我要写书评

暂无评论

我国冬小麦主产区种植信息遥感提取关键技术研究

我国冬小麦主产区种植信息遥感提取关键技术研究

引用

作者：张健华浙江大学

学位级别：硕士

小麦是我国三大主要粮食作物之一,小麦产量超过粮食总产量的20%,而冬小麦产量约占小麦产量的95%。及时、准确地获取冬小麦空间分布状况对于农作物种植状态监测与产量预测、优化农业种植结构以及保障国家粮食安全等方面都具有重要意义。... 详细信息

小麦是我国三大主要粮食作物之一,小麦产量超过粮食总产量的20%,而冬小麦产量约占小麦产量的95%。及时、准确地获取冬小麦空间分布状况对于农作物种植状态监测与产量预测、优化农业种植结构以及保障国家粮食安全等方面都具有重要意义。遥感技术凭借其覆盖范围广、时效性强、信息量大等优势,为准确获取冬小麦空间分布信息提供了有力的数据支持。在农作物遥感信息提取的诸多方法中,深度学习模型具备强大的自主学习能力,在农作物遥感监测领域中得到了广泛应用。然而,目前大多数主流的遥感信息智能提取技术,尤其是深度学习模型通常需要大量的高精度样本进行训练,由于国内尚无公开可靠的高质量农作物样本数据,多数研究仍依赖目视解译的方法进行样本标签的构建,费时费力,且缺乏时效性。为解决训练样本短缺这一问题,本研究结合伪标签理论,提出了一种训练样本自动构建方法,并基于此开展了冬小麦主产区种植信息的遥感提取研究。本研究选取了我国冬小麦主产区的5个省份(河南省、山东省、安徽省、江苏省和河北省)作为研究区,借助Google Earth Engine平台,充分利用多时序Sentinel-2遥感影像和Sentinel-1的VH/VV极化雷达数据,开展了冬小麦遥感提取与训练样本自动构建的关键技术研究。首先,利用阈值分割法获取了可靠的冬小麦种植区空间分布图,在此基础上生成了随机样点,并通过机器学习模型实现了更高精度的冬小麦空间分布信息提取,再进一步基于优化后的机器学习模型提取结果,为深度学习模型构建了高质量的伪标签,最后,利用伪标签与u-net模型成功实现了冬小麦种植区空间分布信息提取。同时,本研究针对不同分类方法的提取结果开展了深入的分析与对比。本研究的主要结论包括: (1)基于阈值分割法的冬小麦遥感提取研究。本研究根据冬小麦的物候期特点,将研究区域划分为三个区域,利用Sentinel-2遥感影像构建了冬小麦冠层指数(WCI)与归一化植被指数变化率(NDVIs),通过应用大津算法(OTSu)确定了不同区域中的指标分割阈值,进而实现了2022年研究区5个省份的冬小麦遥感提取。经统计分析,WCI与NDVIs的提取结果与统计数据的相关系数均高达0.90,通过人工样本验证得到的总体精度分别为92.96%和92.24%。实验结果表明,物候特征指标能够有效反映冬小麦的冠层光谱变化特征,为后续构建机器学习与深度学习模型的训练样本提供了可靠的数据基础。 (2)基于随机样点与机器学习模型的冬小麦遥感提取关键技术研究。针对典型区域内的WCI阈值分割提取结果,进行阈值优化与空间精细化处理,成功生成了高质量的随机样点。然后结合Sentinel-2影像构建的多时序特征数据集,在典型区域内分别构建了随机森林(RF)和支持向量机(SVM)模型。最后,利用模型迁移策略实现了2022年研究区5个省份以及2019年河南省的冬小麦空间分布信息提取。实验结果表明,随机森林模型在2022年和2019年的提取结果与统计数据高度相关,相关系数分别高达0.92和0.88;利用人工样本进行验证,其总体精度分别达到了94.80%和91.00%,这一表现明显优于支持向量机。此外,随机森林模型不仅在训练区展现出了高提取精度,在非训练区也保持了出色的提取性能,这一结果充分验证了本研究提出的随机样点构建方法的科学性和有效性,同时也为深度学习模型的伪标签构建提供了有力的数据支持。 (3)基于伪标签与深度学习模型的冬小麦遥感提取关键技术研究。本研究提出了一种结合阈值分割法与随机森林模型的伪标签生成策略,通过迭代“随机样点生成-随机森林模型训练-冬小麦提取”这一流程,不断优化随机森林模型的提取结果,将重叠率达99%以上的提取结果作为伪标签用于u-net模型的训练。同时,为了提升u-net模型的分类性能,本研究还引入了注意力模块(CBAM)机制。在典型区域内,基于多时序影像数据和伪标签成功构建了u-net模型,通过模型迁移策略成功提取了2022年研究区5个省份和2019年河南省的冬小麦空间分布信息。精度评价结果显示,u-net模型的提取结果与统计数据的相关系数分别达到了0.96和0.93,同时人工样本验证的总体精度也分别高达95.02%和93.84%。与传统的阈值分割法和机器学习模型相比,u-net模型表现出更高的提取精度与时空适宜性,精度评价结果也表明了伪标签及其生成策略具有一定的科学性和可行性,有望为未来的冬小麦空间分布信息遥感智能提取提供可行的技术路径。综上所述,在冬小麦遥感提取任务中,相较于传统的阈值分割法和机器学习模型,u-net模型展现出了最高的分类精度和性能。同时,本研究也成功验证了利用阈值分割法为机器学习模型和深度学习模型构建训练样本的科学性和可行性。

关键词：冬小麦阈值分割法随机森林模型伪标签 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的高分辨率遥感影像分类研究

基于深度学习的高分辨率遥感影像分类研究

引用

作者：王长虎河南理工大学

学位级别：硕士

随着我国航天对地观测技术迅速发展,使得高空间分辨率(以下简称“高分辨率”)遥感影像在众多领域得到应用。由于高分辨率遥感影像中光谱信息相对缺乏,所含特征信息丰富且复杂隐含,使得对高分辨率遥感影像的分类极具挑战性。本文针对如... 详细信息

随着我国航天对地观测技术迅速发展,使得高空间分辨率(以下简称“高分辨率”)遥感影像在众多领域得到应用。由于高分辨率遥感影像中光谱信息相对缺乏,所含特征信息丰富且复杂隐含,使得对高分辨率遥感影像的分类极具挑战性。本文针对如何提升高分辨率遥感影像分类精度的问题,分别从数据扩展层面和分类算法优化层面出发研究。主要工作及结论如下:(1)首先使用高分二号遥感影像为数据源,选取u-net、Seg net、Deep Lab v3+三种先进的编码-解码结构深度学习模型和SVM、RF两种统计学习模型进行分类,通过对比分析,得出三种深度学习模型的分类性能全部能优于两种传统模型,具有跳跃连接结构的u-net模型的分类性能优于Seg net和Deep Lab v3+两种深度学习模型,所以选择u-net作为后续研究的基础模型。(2)针对高分辨率遥感影像地物之间空间关系复杂,光谱信息缺乏等问题,从数据层面出发,通过构建特征影像作为原始影像的补充,提出一种融合多特征的高分辨率遥感影像分类方法。并以高分二号遥感影像为数据源进行验证,得出所提方法的OA值、Kappa系数、F1-score分别为86.32%、0.84、0.85,全部优于其他对比模型。(3)针对高分辨率遥感影像在复杂场景分类中对多尺度地物分类效果不佳的问题,从分类算法优化层面出发,结合注意力思想与残差学习思想以及密集连接思想对u-net基础网络的结构进一步优化,提出一个具有多尺度输出的全新u型网络MSO-unet。首先通过设计一个多分支注意力模块并嵌入u-net主干网络的每个特征提取层来突出主要特征以及抑制次要特征。其次将一个残差优化的金字塔池化模块应用于主干网络的末端来增强多尺度特征的学习。最后在解码端使用密集连接结构来增强特征重用,将先前学习到的不同尺度特征进行聚合以进一步增强对特征的识别能力,提高分类精度。在Vaihingen数据集上进行分类实验,并在高分二号影像上验证了MSO-unet网络的泛化能力。MSO-unet在Vaihingen数据集上的OA值和Kappa系数分别为91.31%、0.89,优于其他对比模型。本文图26幅,表8个,参考文献82篇。

关键词：高分辨率遥感影像分类多特征深度学习 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的视网膜血管分割方法研究

引用

长春师范大学学报 2022年第12期41卷 62-67,73页

作者：郭峰黄文博燕杨长春师范大学计算机科学与技术学院吉林长春130032

针对视网膜血管结构复杂、图像对比度低与细节区域分割不精准问题,提出一种基于改进u-net分割算法。针对卷积操作时卷积核的感受野范围较小而不能充分提取血管特征的问题,将原始卷积层替换成可变形卷积模块,该模块组合了不同尺度、不同... 详细信息

针对视网膜血管结构复杂、图像对比度低与细节区域分割不精准问题,提出一种基于改进u-net分割算法。针对卷积操作时卷积核的感受野范围较小而不能充分提取血管特征的问题,将原始卷积层替换成可变形卷积模块,该模块组合了不同尺度、不同复杂度的分支来丰富特征空间的多样性,增大卷积核的感受野范围,进而提升血管特征提取的效果;针对采样操作时产生的梯度消失问题,在网络上采样的过程引入循环残差卷积模块,有助于训练深层网络架构,解决梯度消失问题,避免冗余特征影响,更好地表示图像特征。将本文方法在DRIVE数据集上进行数据对比实验,实验结果的准确性为95.59%,特异性为97.92%,敏感性为79.63%,与当前主流的视网膜血管分割方法相比,改进的模型性能具有一定优势。

关键词：血管分割 u-net模型可变形卷积循环残差卷积

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net神经网络的人体血细胞计数

引用

电脑与电信 2023年第12期 59-65页

作者：李书铮杨伏洲邬云熙刘思长江大学湖北荆州434000 红安县虎门小学湖北黄冈438400

自动血细胞计数在医学领域具有重要意义,现有传统方法在计数过程中存在一定误差。针对传统u-net模型进行优化分别提出了Res-u-net模型和VGG-u-net模型,二者均提高了人体血细胞计数的精度。首先实验采集的人体血细胞图像制作成数据集,然... 详细信息

自动血细胞计数在医学领域具有重要意义,现有传统方法在计数过程中存在一定误差。针对传统u-net模型进行优化分别提出了Res-u-net模型和VGG-u-net模型,二者均提高了人体血细胞计数的精度。首先实验采集的人体血细胞图像制作成数据集,然后将优化模型与传统u-net模型对比分析,实验结果表明在传统u-net细胞计数精度为92%的基础上,Res-u-net提升到94%,VGG-u-net提升到95%,二者均显著提高了计数精度。实验数据很好验证了两种优化模型的有效性,为人体血细胞计数领域的自动化技术提供了新的思路。

关键词：人体血细胞 u-net模型计数精度 VGG

来源：评论

学校读者我要写书评

暂无评论

基于语义分割的混凝土裂缝图像识别方法研究

引用

工程勘察 2023年第4期51卷 42-47页

作者：江涛锋唐永圣陆志溢沈国根河海大学土木与交通学院南京210098 华设设计集团股份有限公司南京210014 扬州市隧道管理处江苏扬州225100

因快速、无损等优势,基于深度学习的图像识别技术已成为混凝土裂缝智能检测研究的热点,其中语义分割算法可实现对裂缝图像像素级别的分割,进而实现裂缝信息量化识别。基于u-net语义分割网络,本文提出一种混凝土裂缝图像识别方法。首先,... 详细信息

因快速、无损等优势,基于深度学习的图像识别技术已成为混凝土裂缝智能检测研究的热点,其中语义分割算法可实现对裂缝图像像素级别的分割,进而实现裂缝信息量化识别。基于u-net语义分割网络,本文提出一种混凝土裂缝图像识别方法。首先,针对混凝土裂缝检测,训练了改进的u-net网络模型,对裂缝图像实施精准分割;其次,对分割后的裂缝图像,采用最大内切圆算法提出了裂缝宽度计算方法;最后,通过室内混凝土板模型试验对所提方法进行验证。结果表明,本文算法和设备条件对于宽度为0.30mm左右的裂缝计算结果较差,最大误差为0.26mm;对于宽度大于0.60mm的裂缝计算效果较好,最大误差为0.14mm。考虑到可以通过提高相机分辨率进一步提升检测精度,本文方法可应用于混凝土结构表观裂缝检测,大幅提高基础设施的智能化管养水平。

关键词：混凝土裂缝语义分割 u-net模型裂缝宽度

来源：评论

学校读者我要写书评

暂无评论

基于改进的u-net生成对抗网络的图像翻译算法

引用

通信技术 2020年第2期53卷 327-334页

作者：常佳王玉德吉燕妮曲阜师范大学

针对传统生成对抗网络(Generative Adversarial networks,GAN)在图像翻译过程中生成图像的轮廓、纹理等特征丢失以及造成图像翻译效果不佳的问题,提出了基于改进u-net模型的生成对抗网络图像翻译算法。首先,实验研究Pix2Pix生成对抗网... 详细信息

针对传统生成对抗网络(Generative Adversarial networks,GAN)在图像翻译过程中生成图像的轮廓、纹理等特征丢失以及造成图像翻译效果不佳的问题,提出了基于改进u-net模型的生成对抗网络图像翻译算法。首先,实验研究Pix2Pix生成对抗网络优化算法、学习率以及迭代次数对图像翻译效果的影响,确定生成对抗网络模型参数与优化方法;其次,通过增加反卷积跳跃连接的重复次数增强特征的表达能力;最后,在CuFS人脸数据库上进行实验确定模型参数。实验表明,反卷积跳跃连接的重复次数为5次时,图像翻译的用户调研满意评价指标达到42%,图像翻译的质量达到最优。

关键词：图像处理生成对抗网络图像翻译优化算法 u-net模型跳跃连接

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：