检索结果-内蒙古大学图书馆

天津科技大学学报 2024年第4期39卷 73-80页

作者：王怡李昆天津科技大学人工智能学院天津300457

针对u-net分割算法无法提取多尺度特征、易受到伪影和噪声干扰而导致在肺部X射线图像中肺实质分割不精确的问题,提出一种基于选择性自校正卷积的u-net改进算法。改进后的u-net算法将普通卷积模块替换为选择性自校正卷积模块,该模块采用... 详细信息

针对u-net分割算法无法提取多尺度特征、易受到伪影和噪声干扰而导致在肺部X射线图像中肺实质分割不精确的问题,提出一种基于选择性自校正卷积的u-net改进算法。改进后的u-net算法将普通卷积模块替换为选择性自校正卷积模块,该模块采用多分支结构提取多尺度特征信息,使用Sigmoid函数和Softmax函数对多尺度特征信息进行选择性校正,使校正后的特征信息聚焦于肺实质区域,输出特征更加具有针对性。实验表明,该方法对骰子系数、交并比、F_(1)评分结果以及对肺实质分割结果都有一定程度的提升。

关键词：肺部X射线图像肺实质分割 u-net模型选择性自校正卷积

来源：评论

学校读者我要写书评

暂无评论

基于深度学习和高分辨率遥感影像的露天矿地物分类方法

引用

中国矿业 2022年第7期31卷 102-111页

作者：宋仁忠郑慧玉王党朝尚志王兴娟张成业李军神华北电胜利能源有限公司内蒙古锡林浩特026015 中国矿业大学(北京)地球科学与测绘工程学院北京100083

随着深度学习技术的发展,对高分辨率影像的分类已成为当前研究的热点,矿区地物分类更是矿区生态发展研究的重要问题。由于深度学习可以通过提取大量的历史影像数据规律及特征,对影像数据进行自动识别与分类,因此本文采用u-net模型开展... 详细信息

随着深度学习技术的发展,对高分辨率影像的分类已成为当前研究的热点,矿区地物分类更是矿区生态发展研究的重要问题。由于深度学习可以通过提取大量的历史影像数据规律及特征,对影像数据进行自动识别与分类,因此本文采用u-net模型开展高分辨率露天矿区地物类型分类研究。采用高分二号遥感影像数据,勾画样本数据集提取样本数据特征,进行分类模型的训练,对矿区测试集进行测试,探讨深度学习在高分遥感影像上的自动识别能力。结果表明,u-net模型对露天矿区地物识别的精确率(Precision)、召回率(Recall)、F;分数(F;-score)值分别达到0.86、0.82、0.84,均高于最大似然法、随机森林算法和支持向量机。基于深度学习中的u-net模型可以对露天矿区地物类型进行有效的自动识别,为高分露天矿区遥感影像数据的地物分类提供技术支撑,有效实现了露天矿各地物自动识别与分类的能力。本文研究成果可以用于AI在露天矿区遥感分类方面的应用以及对矿区生态环境的监测与修复。

关键词：深度学习矿区分类自动识别高分辨率遥感影像 u-net模型

来源：评论

学校读者我要写书评

暂无评论

A deep learning–based u-net model for ENSO-related precipitation responses to sea surface temperature anomalies over the tropical Pacific

引用

Atmospheric and Oceanic Science Letters 2023年第4期16卷 57-64页

作者： Yuchao Zhu Rong-Hua Zhang CAS Key Laboratory of Ocean Circulation and Waves Institute of Oceanologyand Center for Ocean Mega-ScienceChinese Academy of SciencesQingdaoChina School of Marine Sciences Nanjing University of Information Science and TechnologyNanjingChina Laoshan Laboratory QingdaoChina University of Chinese Academy of Sciences BeijingChina

SST–降水反馈过程在热带太平洋ENSO演变过程中起着重要作用,能否真实地在数值模式中表征SST–降水年际异常之间的关系及相关反馈过程,对于准确模拟和预测ENSO至关重要.例如,在一些模拟ENSO的混合型耦合模式中,通常采用大气统计模型(如... 详细信息

SST–降水反馈过程在热带太平洋ENSO演变过程中起着重要作用,能否真实地在数值模式中表征SST–降水年际异常之间的关系及相关反馈过程,对于准确模拟和预测ENSO至关重要.例如,在一些模拟ENSO的混合型耦合模式中,通常采用大气统计模型(如经验正交函数;EOF)来表征降水(海气界面淡水通量的一个重要分量)对SST年际异常的线性响应.然而在当前的耦合模式中,真实观测到的降水–SST统计关系还不能被很好地再现出来,从而引起ENSO模拟误差和不确定性.在本研究中,使用基于深度学习的u-net模型来构建热带太平洋降水异常场对SST年际异常的非线性响应模型.研究发现:u-net模型的性能优于传统的基于EOF方法的模型.特别是在热带西太平洋海区,u-net模型估算的降水误差远小于EOF模型的模拟.此外,当SST和降水异常的趋势信息作为输入变量也被同时引入以进一步约束模式训练时,u-net模型的性能可以进一步提高,如能使热带辐合带区域的误差显著降低.

关键词： u-net模型 EOF方法 SST-降水年际异常关系 CMIP6模拟

来源：评论

学校读者我要写书评

暂无评论

基于u-net的高分辨率遥感影像建筑物自动解译

引用

国土资源导刊 2023年第2期20卷 66-71页

作者：胥培雲谢春营邹健健湖南省第二测绘院湖南长沙410119 自然资源部南方丘陵区自然资源监测监管重点实验室湖南长沙410119

建筑物基础信息在智慧城市建设、地理国情监测等领域有着重要作用。针对传统方法提取高分辨率卫星影像精度低的问题,提出一种基于u-net的高分辨率遥感影像建筑物自动解译方法。首先,通过ArcGIS制作遥感图像建筑物数据集;其次,针对建筑... 详细信息

建筑物基础信息在智慧城市建设、地理国情监测等领域有着重要作用。针对传统方法提取高分辨率卫星影像精度低的问题,提出一种基于u-net的高分辨率遥感影像建筑物自动解译方法。首先,通过ArcGIS制作遥感图像建筑物数据集;其次,针对建筑物数据样本不足的问题,采用数据增强的方式扩充数据;然后,采用迁移学习的方法在开源Imagenet数据集预训练u-net模型;最后,通过预训练u-net模型训练与预测研究区域数据。实验结果表明,该方法能够准确地从影像中识别出建筑物,整体的识别精度达到98%,能够自动的解译出遥感影像建筑物轮廓信息,可为建筑物的提取提供一定的参考价值。

关键词：遥感影像深度学习 Pytorch框架 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于语义分割的遥感影像建筑物自动提取方法

引用

河南科学 2023年第4期41卷 612-618页

作者：周荣荣刘扬周一凡冯亚东邹丹西安市勘察测绘院西安710054 西安交通大学西安710049

当前地理信息动态更新中遥感影像建筑物提取仍需通过人机交互实现,生产效率较低,针对该问题提出了一种基于语义分割的端对端的遥感影像建筑物提取方法.该方法将提取任务分解为编码和解码两个过程,其中编码过程负责从输入的高分辨率遥感... 详细信息

当前地理信息动态更新中遥感影像建筑物提取仍需通过人机交互实现,生产效率较低,针对该问题提出了一种基于语义分割的端对端的遥感影像建筑物提取方法.该方法将提取任务分解为编码和解码两个过程,其中编码过程负责从输入的高分辨率遥感影像中提取建筑物的抽象特征,而解码过程则基于提取到的地物特征建立特征与提取结果的映射关系,从而获得像素级的高精度提取结果.采用高分辨率航拍影像和Worldview卫星影像进行试验,与传统的建筑物提取方法进行对比.结果表明,所提方法的精确度、召回率、F1得分和交并比相对于传统提取方法均有明显提高,能够有效解决地理信息数据生产中建筑物提取的问题.

关键词：语义分割建筑物影像自动提取 u-net模型遥感影像

来源：评论

学校读者我要写书评

暂无评论

基于u-net神经网络的浮筏养殖信息提取——以长海县为例

引用

绿色科技 2024年第2期26卷 261-265页

作者：由金浩刘威王权明辽宁师范大学地理科学学院辽宁大连116029 国家海洋环境检测中心辽宁大连116023

浮筏养殖是海水养殖中最重要的类型之一,对于浮筏养殖的精确提取尤为重要。然而浮筏在遥感影像中分布密集,且背景复杂,并且以往的浮筏提取方法,多为机器学习,未能挖掘浮筏养殖的深度特征,以及光谱信息的高效利用。针对上述问题,提出了u-... 详细信息

浮筏养殖是海水养殖中最重要的类型之一,对于浮筏养殖的精确提取尤为重要。然而浮筏在遥感影像中分布密集,且背景复杂,并且以往的浮筏提取方法,多为机器学习,未能挖掘浮筏养殖的深度特征,以及光谱信息的高效利用。针对上述问题,提出了u-net网络模型进行浮筏养殖信息提取,使用比值指数计算特征波段,去除冗余光谱信息,并添加深度神经网络,深化提取浮筏信息提取的深度特征通道,实现了浮筏养殖信息的高精度提取。选取长海县大长山岛作为研究区域,与Canny算子、Otsu算法、PCA_Kmeans算法提取结果进行了对比,u-net模型浮筏养殖的提取总体精度为95.6%,与常用的机器学习算法相比,提取精度提高了9%~13%,验证了u-net模型在浮筏养殖识别中的高效性。

关键词：浮筏养殖 u-net模型比值指数深度特征光谱信息

来源：评论

学校读者我要写书评

暂无评论

基于无标签数据的音源分离

引用

电声技术 2022年第10期46卷 84-86页

作者：郭慧娴北京师范大学信息科学与技术学院北京100875

音源分离目前大多采用有监督的深度学习方法,这种方法往往需要利用大量的标签数据进行建模。然而,实际中标签数据并不容易获取且价格昂贵。针对无标签数据的音源分离只能采用有意义的先验知识来弥补标签数据的不足,对此,提出一种基于先... 详细信息

音源分离目前大多采用有监督的深度学习方法,这种方法往往需要利用大量的标签数据进行建模。然而,实际中标签数据并不容易获取且价格昂贵。针对无标签数据的音源分离只能采用有意义的先验知识来弥补标签数据的不足,对此,提出一种基于先验知识的u-net模型。它既不影响现有卷积体系结构的网络复杂性,也不影响其收敛行为,但能显著改善分离后的音频质量。实验结果表明,所提出的方法的分离效果比传统模型更好。

关键词：音源分离无标签数据 u-net模型

来源：评论

学校读者我要写书评

暂无评论

混凝土桥梁早期裂缝成因与检测方法研究

引用

交通世界 2022年第16期 43-45页

作者：李进斌山西路桥第七工程有限公司山西晋城048000

针对桥梁裂缝对混凝土桥梁安全威胁严重且早期裂缝难以发现的问题,提出混凝土桥梁早期裂缝成因与检测方法。全方位分析混凝土桥梁早期裂缝的成因,基于u-net模型与图像识别技术设计早期裂缝检测方法,通过裂缝数据预处理、建立u-net模型... 详细信息

针对桥梁裂缝对混凝土桥梁安全威胁严重且早期裂缝难以发现的问题,提出混凝土桥梁早期裂缝成因与检测方法。全方位分析混凝土桥梁早期裂缝的成因,基于u-net模型与图像识别技术设计早期裂缝检测方法,通过裂缝数据预处理、建立u-net模型、模型训练、裂缝参数提取,完成对混凝土桥梁图像的分析,发现其中的裂缝,完成桥梁早期裂纹的检测。最后在实例中进行应用,得出该检测方法能够对早期裂缝的图像进行明显的加强作用,对裂缝的特征提取更加精确。

关键词：混凝土桥梁早期裂缝 u-net模型裂缝参数提取

来源：评论

学校读者我要写书评

暂无评论

基于u-net的道路裂缝分割检测

引用

中文科技期刊数据库（引文版）工程技术 2024年第2期 0145-0149页

作者：胡彩旭上海浦江桥隧运营管理有限公司上海200023

道路裂缝是道路损坏的主要表现,其进一步恶化会影响道路交通。因此,及时发现道路裂缝对保障道路交通安全具有重要意义。路面裂缝识别技术正由传统的人工检测向更高效且自动化的检测技术转变,在这一转变过程中图像识别检测算法成为辨识... 详细信息

道路裂缝是道路损坏的主要表现,其进一步恶化会影响道路交通。因此,及时发现道路裂缝对保障道路交通安全具有重要意义。路面裂缝识别技术正由传统的人工检测向更高效且自动化的检测技术转变,在这一转变过程中图像识别检测算法成为辨识精度有效提升的重要技术手段和突破方向,机器学习成为主流。本研究采用u-net网络,整合多个公开裂缝分割数据集,从而提高模型的性能和泛化能力,最终实现各种复杂情况下道路裂缝的分割检测任务。

关键词：道路裂缝识别 u-net模型图像分割深度学习

来源：评论

学校读者我要写书评

暂无评论

改进u-net的视网膜OCT图像分层方法研究

引用

电脑编程技巧与维护 2024年第3期 147-149页

作者：杨明辉谢德洁杜肖洋陈荣青岛黄海学院大数据学院山东青岛266427

视网膜光学相干断层扫描(OCT)图像各细胞层的厚度和形状在诊断眼科疾病中具有重要意义。目前,视网膜分层研究存在许多挑战,例如,层边界缺乏上下文语义信息、病变区域分割不精确等。为了提高OCT成像中视网膜层分割和测量的精度,提出了一... 详细信息

视网膜光学相干断层扫描(OCT)图像各细胞层的厚度和形状在诊断眼科疾病中具有重要意义。目前,视网膜分层研究存在许多挑战,例如,层边界缺乏上下文语义信息、病变区域分割不精确等。为了提高OCT成像中视网膜层分割和测量的精度,提出了一种融合密集编码器与位置注意力的u型网络方法。该方法的密集编码器能够提取更多样化的全局特征,利用位置注意力保证了视网膜目标边界和区域空间的一致性。与现有经典分割模型相比,该方法的视网膜自动分层平均准确率达到了87.35%,平均厚度误差减少至1.74个像素点,大大提升了视网膜OCT分层的性能。

关键词：视网膜OCT分层 u-net模型密集编码器位置注意力

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：