检索结果-内蒙古大学图书馆

上海师范大学学报（自然科学版） 2023年第2期52卷 212-216页

作者：金明杨春夏上海师范大学信息与机电工程学院上海201418

提出了一种基于改进u-net(M-net)模型的电磁逆散射算法.M-net模型主要由多尺度输入层、u型卷积神经网络(CNN)、多尺度均值输出层组成.将散射场数据作为网络输入,能够在保证计算精度与计算效率的同时,减少人工计算工作量.以二维电介质为... 详细信息

提出了一种基于改进u-net(M-net)模型的电磁逆散射算法.M-net模型主要由多尺度输入层、u型卷积神经网络(CNN)、多尺度均值输出层组成.将散射场数据作为网络输入,能够在保证计算精度与计算效率的同时,减少人工计算工作量.以二维电介质为重构目标的仿真实验表明:与u-net模型对比,应用M-net模型求解电磁逆散射问题较为高效,输出结果误差更小.

关键词：电磁逆散射卷积神经网络(CNN) u-net模型 M-net模型

来源：评论

学校读者我要写书评

暂无评论

基于GEE和u-net模型的建设用地时空演变格局分析

引用

江西测绘 2024年第3期 19-21,30页

作者：孔德炜肇庆市封开县测量队广东肇庆526000

以广东省肇庆市封开县为例,利用GoogleEarthEngine(GEE)和u-net神经网络模型,论文对该地区1990年—2020年建设用地的时空演变格局进行了分析。通过GEE平台提供的Landsat和Sentinel-1影像结合建设用地覆盖指数NDBI等相关参数,利用u-net... 详细信息

以广东省肇庆市封开县为例,利用GoogleEarthEngine(GEE)和u-net神经网络模型,论文对该地区1990年—2020年建设用地的时空演变格局进行了分析。通过GEE平台提供的Landsat和Sentinel-1影像结合建设用地覆盖指数NDBI等相关参数,利用u-net神经网络模型,实现了对建设用地的自动识别和提取。结果表明:基于GEE和u-net模型的建设用地时空演变格局分析具有较高的准确性和可行性。

关键词： GEE u-net模型时空演变精准评估

来源：评论

学校读者我要写书评

暂无评论

基于分水岭和u-net模型算法的震灾建筑物倒损识别研究

引用

测绘与空间地理信息 2022年第10期45卷 114-116,124页

作者：张俊章 32020部队湖北武汉430000

随着地震灾害的不断发生,建筑物倒损识别已成为评估灾害程度的重要指标,采用遥感影像来对建筑物的变化进行检测则是震害分析中的重要手段。本文围绕分水岭算法和改进卷积神经网络u-net模型的方法分别提取地震前后遥感卫星图像的建筑部分... 详细信息

随着地震灾害的不断发生,建筑物倒损识别已成为评估灾害程度的重要指标,采用遥感影像来对建筑物的变化进行检测则是震害分析中的重要手段。本文围绕分水岭算法和改进卷积神经网络u-net模型的方法分别提取地震前后遥感卫星图像的建筑部分,尔后利用差值变化检测来实现建筑物区域的倒损识别。通过对2种方法的建筑物提取结果和倒损识别结果进行精度评定,得出相较于分水岭算法而言,基于u-net神经网络的建筑物提取和倒损识别效果更好,面对地震灾情发生,其可服务于快速决策,从而避免造成较大损失。

关键词：地震灾害建筑物倒损识别分水岭算法 u-net模型

来源：评论

学校读者我要写书评

暂无评论

融合u-net改进模型与超像素优化的语义分割方法

引用

数据采集与处理 2021年第6期36卷 1263-1275页

作者：王振奇邵清张生杨振何国春上海理工大学光电信息与计算机工程学院上海200093 上海外高桥造船有限公司工艺研究所上海200120

基于现有的语义分割方法在面对不受限制的开放词汇量和多样多变的场景时表现出的分割不够精细、语义信息提取不充分和收敛时间长的问题,提出一种融合u-net改进模型与超像素优化的语义分割方法。u-net改进模型中结合空间金字塔模块(Atrou... 详细信息

基于现有的语义分割方法在面对不受限制的开放词汇量和多样多变的场景时表现出的分割不够精细、语义信息提取不充分和收敛时间长的问题,提出一种融合u-net改进模型与超像素优化的语义分割方法。u-net改进模型中结合空间金字塔模块(Atrous spatial Pyramid pooling,ASPP)和Xception结构,在ASPP模块的分支网络中加入扩张卷积(Dilated convolutions,DC)形成模块本身的串并联结构,以增强图像特征提取能力;在Xception模块中添加注意力通道以及使用大的卷积核重构Xception模块,以减少数据的参数量并提高收敛速率,在此改进基础上再对图像进行超像素分割处理。最后使用条件随机场对分割结果施加全局约束,进一步优化像素的语义信息。本文方法在PASCAL VOC 2012测试集上进行验证并与DeepLab V3等主流网络进行对比,结果表明本文方法准确率提高了2.4%,证明了该方法在适应多变场景和应对精细语义分割上的有效性。

关键词：图像语义分割空间金字塔池化 u-net模型超像素分割条件随机场

来源：评论

学校读者我要写书评

暂无评论

融合混合注意力的u-net模型在遥感影像地物提取中的应用研究

引用

中文科技期刊数据库(全文版)自然科学 2022年第3期 242-246页

作者：伏晏民李梦瑶李智强张寒成都理工大学地球科学学院四川成都610059

面对遥感自动解译需求,将深度学习语义分割等新技术应用于遥感解译任务中,实现地物目标自动提取,可以有效降低遥感解译工作强度,辅助相关工作推进。但在实际应用中地物类别复杂,地块影像纹理混淆等情况下,u-net模型存在对上下文信息利... 详细信息

面对遥感自动解译需求,将深度学习语义分割等新技术应用于遥感解译任务中,实现地物目标自动提取,可以有效降低遥感解译工作强度,辅助相关工作推进。但在实际应用中地物类别复杂,地块影像纹理混淆等情况下,u-net模型存在对上下文信息利用不充分、缺少空间域和通道域的相关性信息等缺陷。本文采用融合混合注意力机制的u-net模型对WHu建筑物语义分割数据集Aerial imagery dataset进行实验,选择80%为训练集,20%为测试集,使用该数据集对u-net、Attention u-net以及本文模型进行训练。通过对比训练试验发现,相较于前两种模型,融合混合注意力的模型分割精度更好,交并比(Iou)达到80.2%,且召回率与精确度也有同程度的提高,即本文所采用的模型对遥感影像地物提取有更好的性能,是一种较为合理的,有效的遥感语义分割深度学习网络模型。

关键词：遥感影像深度学习语义分割混合注意力 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的肺部CT图像病灶区域分割研究综述

引用

计算机工程与应用 2025年第4期61卷 25-42页

作者：李小童马素芬生慧魏国辉李欣桐山东中医药大学智能与信息工程学院济南250355 山东中医药大学教务处济南250355

肺癌严重威胁人们的生命健康。肺部CT图像病灶区域形态复杂多样,实现高精度的肺部CT图像病变区域分割,成为计算机辅助诊断领域的一个极具挑战性的关键问题。基于深度学习的肺部病灶区域分割不仅可以帮助医生快速、准确地诊断出早期肺癌... 详细信息

肺癌严重威胁人们的生命健康。肺部CT图像病灶区域形态复杂多样,实现高精度的肺部CT图像病变区域分割,成为计算机辅助诊断领域的一个极具挑战性的关键问题。基于深度学习的肺部病灶区域分割不仅可以帮助医生快速、准确地诊断出早期肺癌,而且对于肺癌的治疗也具有重要的临床价值。为了深入研究肺部病灶区域分割技术,介绍了常用的数据集及评价指标;重点从基于卷积神经网络、基于u-net模型、基于生成对抗网络三个方面对深度学习肺部病灶区域分割模型进行了综述;结合具体实验总结了近5年国内外研究的创新点,对比分析了各个模型的分割性能;最后总结了各类模型的优缺点,展望了该领域的未来发展方向。

关键词：深度学习肺部病灶区域分割卷积神经网络 u-net模型生成对抗网络

来源：评论

学校读者我要写书评

暂无评论

基于双极化SAR图像的u-net海冰多分类模型

引用

海洋与湖沼 2023年第6期54卷 1551-1563页

作者：黄岩任沂斌中国科学院海洋研究所海洋环流与波动重点实验室山东青岛266071 中国科学院大学北京100049

北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar,SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义... 详细信息

北极多年冰在近几十年有明显的减少趋势,与北极海冰的厚度、体积和夏季最小海冰范围的减少密切相关。合成孔径雷达(synthetic aperture radar,SAR)具有全天时、全天候成像能力,基于SAR卫星影像的海冰分类对监测北极多年冰具有重要意义。基于深度学习u-net模型,以SAR图像的双极化信息为模型输入,构建了像素级的海水、一年冰和多年冰多分类模型。与已有SAR图像海冰分类方法(支持向量机、随机森林和卷积神经网络)进行对比,基于双极化SAR图像的u-net海冰分类模型的准确率、平均重叠度和Kappa系数,分别达到了90.73%、0.831和0.849,优于其他对比模型,分别提升了4.08%~19.04%,0.063~0.321和0.111~0.335。此外,针对SAR图像水平-垂直极化(horizontal-vertical polarization,HV)有明显的条状热噪声和水平-水平极化(horizontal-horizontal polarization,HH)受入射角效应而亮度不均匀的特点,设计敏感性实验,研究HV噪声、入射角和灰度共生矩阵(gray level co-occurrence matrix,GLCM)纹理信息对本文u-net海冰分类模型的影响。结果表明,传统的机器学习方法对噪声更敏感,而深度学习模型有一定的抗噪声能力;使用入射角校正更适合分类一年冰和多年冰;单一GLCM纹理对u-net模型的海冰分类效果无明显提高。综上,基于双极化SAR图像的u-net能够实现高精度的海水、一年冰和多年冰分类。该模型具有一定的抗噪声能力,是更具鲁棒性的海冰分类方法。

关键词：合成孔径雷达(SAR)图像海冰分类深度学习 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于多尺度注意力和数据增强的细胞核分割

引用

计算机工程 2025年第2期51卷 387-396页

作者：张兴鹏何东杨模叶杭滨西南石油大学计算机与软件学院四川成都610500

u-net因结构简单且高效被广泛应用于医学分割领域。然而,u-net的跳跃连接不能很好地弥补编码器和解码器之间的语义差距。而医学分割数据的标注要求严格,使得数据集数量和规模都较小。针对上述问题,设计多尺度注意力融合(MSAF)模块,旨在... 详细信息

u-net因结构简单且高效被广泛应用于医学分割领域。然而,u-net的跳跃连接不能很好地弥补编码器和解码器之间的语义差距。而医学分割数据的标注要求严格,使得数据集数量和规模都较小。针对上述问题,设计多尺度注意力融合(MSAF)模块,旨在利用注意力机制可调整网络学习方向的特点和多尺度特征融合来有效缓解语义偏差。MSAF模块在前2个阶段使用通道注意力来捕获全局特征;在后2个阶段使用空间注意力来捕获局部特征;最后将多个阶段提取的特征进行融合以增强特征信息。此外,提出基于傅里叶变换的数据增强(FTDA)方法解决医学分割数据集稀少的问题。FTDA通过扰动输入图像在频域中的幅度信息实现其相位信息的数据增强。在MoNuSeg、CryoNuSeg和2018 Data Science Bowl数据集上的实验结果表明,提出方法的mIou和Dice指标比其他先进方法表现出更好的性能。此外,提出的FTDA方法对小规模数据集也具有较好的增益效果。

关键词：注意力机制 u-net模型傅里叶变换细胞核分割数据增强

来源：评论

学校读者我要写书评

暂无评论

基于Resnet-unet模型的SAR图像海面溢油检测

引用

计算机测量与控制 2025年第3期33卷 37-44页

作者：郭杜杨鹏举延安大学物理与电子信息学院陕西延安716000

针对合成孔径雷达(SAR)图像海面溢油检测问题,采用u-net模型、Resnet18-unet模型、Resnet34-unet模型、Resnet50-unet模型等4种卷积神经网络模型进行了SAR图像海面溢油检测的研究与实验,挑选出更适合此次SAR图像海面溢油检测研究与实验... 详细信息

针对合成孔径雷达(SAR)图像海面溢油检测问题,采用u-net模型、Resnet18-unet模型、Resnet34-unet模型、Resnet50-unet模型等4种卷积神经网络模型进行了SAR图像海面溢油检测的研究与实验,挑选出更适合此次SAR图像海面溢油检测研究与实验的溢油检测模型;通过利用4种卷积神经网络模型对同一数据集进行SAR图像海面溢油检测的方式,对比分析了不同卷积神经网络模型之间的性能差异和溢油检测效果;实验结果表明,在此次SAR图像海面溢油检测研究与实验中,Resnet18-unet模型的性能在u-net模型的基础上有了一定的优化,而且与另外两种Resnet-unet模型相比,Resnet18-unet模型在此次海面溢油检测实验中拥有最高的性能和最好的溢油检测效果,获得了更高的检测精度和检测效率。

关键词：合成孔径雷达海面溢油检测卷积神经网络 u-net模型 Resnet-unet模型

来源：评论

学校读者我要写书评

暂无评论

基于unet模型的图像去噪算法优化研究

引用

电脑知识与技术 2025年第7期21卷 1-5页

作者：马文曦杨蕾肖娟武汉轻工大学电气与电子工程学院湖北武汉430048

文中运用了卷积神经网络结合照亮每一处黑暗(Lighting Every Darkness,LED)策略处理图像去噪,基于u-net模型引入了重新参数化噪声去除模块(Reparameterized Noise Removal,RepNR),以提升去噪及泛化能力。经过虚拟相机采样合成噪声图像... 详细信息

文中运用了卷积神经网络结合照亮每一处黑暗(Lighting Every Darkness,LED)策略处理图像去噪,基于u-net模型引入了重新参数化噪声去除模块(Reparameterized Noise Removal,RepNR),以提升去噪及泛化能力。经过虚拟相机采样合成噪声图像预训练与目标相机少量图像微调后,系统可快速部署于特定相机中。经仿真试验验证,对极低光照条件下的索尼A7S2图像集进行图像去噪任务(Extreme Low-light Denoising,ELD)处理后,结果显示本文算法的去噪效果优于ELD算法,图像灰度更集中、频谱高频成分更少、等高线更平滑,且在特定条件下训练时间最短。

关键词：图像去噪 u-net模型噪声建模深度学习

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：