检索结果-内蒙古大学图书馆

地球信息科学学报 2022年第5期24卷 949-961页

作者：陈振陈芸芝吴婷李佳优福州大学数字中国研究院(福建) 福州350108 卫星空间信息技术综合应用国家地方联合工程研究中心福州350108 福州大学空间数据挖掘与信息共享教育部重点实验室福州350108

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResunet模型。该模型在Resunet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性... 详细信息

针对高分辨率遥感影像背景复杂,道路提取容易受阴影、建筑物和铁路等背景信息干扰的问题,提出一种带有轻量级双注意力和特征补偿机制的DAFCResunet模型。该模型在Resunet的基础上,通过增加轻量级的双注意力和特征补偿模块实现模型在性能和时空复杂度上的平衡。其中,双注意力模块可以增强模型的特征提取能力,特征补偿模块可以融合网络中来自深浅层的道路特征。在DeepGlobe和GF-2道路数据集上的实验结果表明,DAFCResunet模型的Iou和F1-score可以达到0.6713、0.8033和0.7402、0.8507,模型的整体精度优于u-net、Resunet和Vnet模型。与u-net和Resunet模型相比,DAFCResunet模型仅增加了少量的计算量和参数量,但Iou和F1-score均有较大幅度的提高;与Vnet模型相比,DAFCResunet模型在计算量和参数量远低于Vnet的情况下取得了更高的精度,模型在精度和时空复杂度两方面均有优势。相比其他对比模型,DAFCResunet模型具有更强的特征提取和抗干扰能力,能更好解决道路上的干扰物、与道路特征相似地物、树荫或阴影遮挡等造成的道路空洞、误提和漏提现象。

关键词：深度学习道路提取高分辨率遥感影像残差网络 u-net模型双注意力模块编解码器特征补偿

来源：评论

学校读者我要写书评

暂无评论

基于RSKP-unet模型的苗族服饰图案分割研究

引用

丝绸 2022年第12期59卷 119-125页

作者：张博源黄成泉王琴万林江周丽华贵州民族大学数据科学与信息工程学院贵阳550025 贵州民族大学工程技术人才实践训练中心贵阳550025

为保护苗族服饰文化的传承,以及增加对苗族文化的研究为目的,文章以苗族服饰图案分割为研究内容,提出了一种基于RSKP-unet(Residual Selective-Kernel Parallel u-net)模型的苗族服饰图案分割算法。算法在u-net模型的编码器部分加入Resi... 详细信息

为保护苗族服饰文化的传承,以及增加对苗族文化的研究为目的,文章以苗族服饰图案分割为研究内容,提出了一种基于RSKP-unet(Residual Selective-Kernel Parallel u-net)模型的苗族服饰图案分割算法。算法在u-net模型的编码器部分加入Residual模块以提升模型的特征提取能力,在解码器部分嵌入SKnet模块和Parnet模块以增强模型的特征表达能力。通过引入的Lovász-hinge损失函数有效地解决了苗族服饰图案存在的样本类别不均衡的问题,实验结果还表明Lovász-hinge损失函数在各项分割指标上均优于最常用的BCE损失函数。文章提出的RSKP-unet分割模型在该损失函数下进行训练,并与4种经典的深度学习分割模型进行分割性能对比,RSKP-unet模型在各项分割指标上好于其他模型,相比于基准模型u-net,在Dice系数、Iou、精确率、召回率及准确度等指标上分别提升了6.98%、11.07%、2.89%、6.75%及3.92%,可为苗族服饰图案分割研究提供有效可行的办法。

关键词：苗族服饰图案分割注意力样本类别不均衡 u-net模型深度学习

来源：评论

学校读者我要写书评

暂无评论

基于EDRnet模型的高分辨率遥感影像道路提取

引用

计算机工程 2021年第9期47卷 297-303,312页

作者：赫晓慧李代栋李盼乐胡绍凯陈明扬田智慧周广胜郑州大学地球科学与技术学院郑州450001 郑州大学信息工程学院郑州450001 中国气象科学研究院郑州大学生态气象联合实验室郑州450052

针对高分辨率遥感影像道路提取结果不完整、边界质量差的问题,提出基于EDRnet模型的遥感影像道路提取方法。利用残差网络构建道路提取模型EDR1,保留道路的细节信息并加速网络收敛。通过融合多尺度、多层次的道路特征信息,设计道路提取... 详细信息

针对高分辨率遥感影像道路提取结果不完整、边界质量差的问题,提出基于EDRnet模型的遥感影像道路提取方法。利用残差网络构建道路提取模型EDR1,保留道路的细节信息并加速网络收敛。通过融合多尺度、多层次的道路特征信息,设计道路提取结果优化模型EDR2。在此基础上,利用混合损失函数,提高道路提取的完整度。实验结果表明,EDRnet道路提取方法在马萨诸塞州道路数据集上的召回率、精确率和F1-score指标分别达到了84.4%、81.7%及83.0%,其结果完整且准确。

关键词：遥感影像道路提取 u-net模型深度学习 EDRnet模型

来源：评论

学校读者我要写书评

暂无评论

基于Segformer模型的洪水淹没范围提取与对比研究

引用

长江科学院院报 2024年

作者：张云康刘懿肖婉覃炀扬程聪彭旭华中科技大学土木与水利工程学院

洪水期间，复杂地形和水域边界的快速变化极大增加了水体准确提取的难度。传统的人工和卫星遥感方法由于云层覆盖、光照变化和传感器限制等因素，常常精度不足，且效率低下、成本高昂。基于此，本研究利用深度学习与机器视觉技术，构建... 详细信息

洪水期间，复杂地形和水域边界的快速变化极大增加了水体准确提取的难度。传统的人工和卫星遥感方法由于云层覆盖、光照变化和传感器限制等因素，常常精度不足，且效率低下、成本高昂。基于此，本研究利用深度学习与机器视觉技术，构建了专门针对洪水监测的“RiverDataset”数据集，并基于此数据集评估Segformer模型在洪水淹没范围提取中的效果。同时，本研究还将Segformer模型与基于Resnet50和VGG16的u-net模型进行了对比分析，以测试这些模型在水体分割任务中的性能。研究结果表明，Segformer模型凭借其Transformer结构，有效捕捉了广泛的上下文信息，并通过多尺度特征融合技术，保证了在复杂环境中的分割性能和信息的完整性。在在平均交并比（mIou）、平均像素准确率（mPA）、精确率和召回率等关键性能指标上，Segformer模型显著优于基于Resnet50和VGG16的u-net模型。本研究表明，Segformer模型在处理需精确提取边界和有效排除干扰物的复杂分割任务中具有明显优势。

关键词：洪水检测视觉分割 Transformer Segformer模型 u-net模型精确边界分割

来源：评论

学校读者我要写书评

暂无评论

基于卷积神经网络的直肠癌淋巴结转移的智能判断模型研究

引用

科学技术与工程 2022年第32期22卷 14328-14338页

作者：刘今子董浩方文璇黄东东北石油大学数学与统计学院大庆163318 东北石油大学计算机与信息技术学院大庆163318

近年来,直肠癌的患病率普遍提高,准确判断直肠癌周围淋巴结的转移情况,能显著提高患者的治愈概率。通过建立数学模型,运用卷积神经网络模型进行智能判断直肠癌淋巴结转移情况。以直肠肿瘤患者动脉期的电子计算机断层扫描(computed tomog... 详细信息

近年来,直肠癌的患病率普遍提高,准确判断直肠癌周围淋巴结的转移情况,能显著提高患者的治愈概率。通过建立数学模型,运用卷积神经网络模型进行智能判断直肠癌淋巴结转移情况。以直肠肿瘤患者动脉期的电子计算机断层扫描(computed tomography, CT)图像和肿瘤掩模图为样本,建立基于u-net的CT图像识别分割模型,通过下、上采样分割出直肠肿瘤所在的区域,对肿瘤区域已转移淋巴结的普遍特征进行深度挖掘,利用尺度不变特征变换匹配(scale invarian feature transform, SIFT)算法自动找出肿瘤区域特征点,以及传统的特征纹理、面积、周长和体素强度,分别送入传统卷积神经网络模型和改进后的卷积神经网络模型VGG16网络模型,进行训练、预测、对比。结果表明:传统卷积神经网络模型的准确率在75.32%,而改进后的VGG16网络模型准确率在90.04%,可见,VGG16网络模型对直肠癌淋巴结转移情况的预测效果更好。

关键词： u-net模型卷积神经网络 VGG16

来源：评论

学校读者我要写书评

暂无评论

基于多光谱卫星影像的小麦种植分布遥感监测方法研究

引用

安徽农业科学 2025年第09期 196-202页

作者：陈春晖梁树能李金超安徽省基础测绘信息中心/江淮耕地资源保护与生态修复重点实验室自然资源部国土卫星遥感应用中心

基于Sentinel-2多光谱卫星数据对位于宿州市境内约440 km2的试验区进行小麦种植分布遥感监测。通过建立NDVI时间序列，经S-G方法平滑后，利用u-net模型进行小麦种植区域识别，并与光谱匹配法和人工神经网络法2种模型进行对比。结果显示... 详细信息

基于Sentinel-2多光谱卫星数据对位于宿州市境内约440 km2的试验区进行小麦种植分布遥感监测。通过建立NDVI时间序列，经S-G方法平滑后，利用u-net模型进行小麦种植区域识别，并与光谱匹配法和人工神经网络法2种模型进行对比。结果显示，3种模型分类准确性都达到80%的水平，u-net模型漏判率最低，光谱匹配法误判率最低，总体精度u-net模型达到83.15%,是同等条件下的最优方法。

关键词：多光谱归一化植被指数 u-net模型光谱匹配人工神经网络

来源：评论

学校读者我要写书评

暂无评论

基于深度分割的端到端雷达信号分选

引用

系统工程与电子技术 2023年第5期45卷 1351-1358页

作者：陈涛刘福悦李金鑫雷宇哈尔滨工程大学信息与通信工程学院黑龙江哈尔滨150001 先进船舶通信与信息技术工业和信息化部重点实验室黑龙江哈尔滨150001

针对传统的雷达信号分选方法严重依赖预置参数、先验信息和结构不灵活的问题,提出一种基于深度分割的端到端雷达信号分选方法。首先将采集到的脉冲描述字映射成脉冲序列图像,同时保留像素点对脉冲的索引;然后利用训练好的深度分割模型u-... 详细信息

针对传统的雷达信号分选方法严重依赖预置参数、先验信息和结构不灵活的问题,提出一种基于深度分割的端到端雷达信号分选方法。首先将采集到的脉冲描述字映射成脉冲序列图像,同时保留像素点对脉冲的索引;然后利用训练好的深度分割模型u-net对脉冲序列图像分割获得像素点分类结果;最后根据像素点索引和像素点分类结果对所有脉冲进行搜索归类,整个过程采用端到端形式。实验表明,该方法能够加强对捷变参数的分选能力,如频率捷变雷达、脉组捷变频等雷达参数,以及对时频域混叠、脉冲丢失严重等未知电磁环境中信号的分选能力。

关键词：雷达信号分选端到端脉冲描述字 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的u-net脑脊液细胞分割

引用

东北大学学报（自然科学版） 2022年第7期43卷 944-950页

作者：代茵刘维宾董昕阳宋雨朦东北大学医学与生物信息工程学院辽宁沈阳110169 东北大学教育部医学影像与智能分析工程中心辽宁沈阳110169 约克大学计算机学院英国约克郡YO105DD

为解决脑脊液病理图像中部分细胞膜较为模糊,与图像背景难以区分的问题,采用了基于注意力机制的u-net深度学习方法对脑脊液病理图像做全自动分割.在深度学习网络中加入注意力机制对细胞进行定位,抑制无关信息,提高语义的特征表达,提高... 详细信息

为解决脑脊液病理图像中部分细胞膜较为模糊,与图像背景难以区分的问题,采用了基于注意力机制的u-net深度学习方法对脑脊液病理图像做全自动分割.在深度学习网络中加入注意力机制对细胞进行定位,抑制无关信息,提高语义的特征表达,提高对细胞整体分割的精确性.通过镜像、旋转等操作对数据集进行扩充预处理.采用VGG16预训练模型进行迁移学习,交叉熵与Dice损失相结合作为损失函数,分别在脑脊液临床图像与公开数据集2018 Data Science Bowl上进行验证;并与Otsu,PSPnet,Segnet,DeeplabV3+,u-net进行对比,结果表明,本文方法在各项指标上均优于其他分割方法.

关键词：脑脊液检测细胞分割注意力机制深度学习 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于相机与激光雷达融合的温室机器人行间导航方法

引用

农业机械学报 2023年第3期54卷 32-40页

作者：王杰陈正伟徐照胜黄滋栋经俊森牛润新中国科学院合肥物质科学研究院合肥230031 中国科学技术大学自动化系合肥230026 安徽大学物质科学与信息技术研究院合肥230601

针对温室颠簸不平、枝叶遮挡道路的复杂环境,开展基于相机与激光雷达数据融合的机器人行间导航方法研究。首先,利用改进的u-net模型实现图像道路区域的准确快速分割;其次,通过融合图像分割结果进行地面点云预分割,减少地面起伏造成的点... 详细信息

针对温室颠簸不平、枝叶遮挡道路的复杂环境,开展基于相机与激光雷达数据融合的机器人行间导航方法研究。首先,利用改进的u-net模型实现图像道路区域的准确快速分割;其次,通过融合图像分割结果进行地面点云预分割,减少地面起伏造成的点云倾斜;然后,采用改进的KMeans算法实现作物行点云快速聚类,并将聚类中心作为作物行主干区域点,降低枝叶遮挡对作物行中线提取的影响;最后,采用RANSAC算法拟合两侧作物行方程并计算出导航线。通过实验评估导航线精度,在测试集中94%以上数据帧可以准确实现提取导航线,平均角度误差不高于1.45°,满足温室机器人沿作物行自主导航行驶要求。

关键词：温室机器人行间导航相机激光雷达 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于深度卷积神经网络的地震数据溶洞识别

引用

石油地球物理勘探 2022年第1期57卷 1-11,I0001页

作者：闫星宇李宗杰顾汉明陈本池邓光校刘军中国地质大学(武汉)地球物理与空间信息学院湖北武汉430074 地球内部多尺度成像湖北省重点实验室湖北武汉430074 中国石化西北油田分公司勘探开发研究院新疆乌鲁木齐830011 中国石油化工股份有限公司科技部油田处北京100728

溶洞识别对于缝洞型油气藏的勘探与开发具有重要意义。传统溶洞识别方法多解性强且效率低,因此将具有强特征学习能力、高泛化性的深度学习方法引入溶洞识别中,但溶洞的地震波场响应特征复杂、异常体尺寸较小、训练样本难以获取等导致深... 详细信息

溶洞识别对于缝洞型油气藏的勘探与开发具有重要意义。传统溶洞识别方法多解性强且效率低,因此将具有强特征学习能力、高泛化性的深度学习方法引入溶洞识别中,但溶洞的地震波场响应特征复杂、异常体尺寸较小、训练样本难以获取等导致深度学习在识别溶洞时仍具挑战性。为此,提出一套识别地震数据溶洞的"两步法"深度学习方法:首先通过u-net模型识别地震剖面上的"串珠状"异常反射;再根据"串珠状"异常识别结果对地震数据进行小范围截取,输入深度残差网络中,实现对实际溶洞轮廓的预测。对于实际溶洞预测训练数据难以获取这一问题,采用波动方程正演模拟的方法制作具有准确标签的溶洞地震数据。实际地震数据的应用表明,该方法对于溶洞识别准确性高,抗噪能力强,可以极大地节约人工解释成本。

关键词：缝洞型油气藏溶洞识别深度学习 u-net模型深度残差网络

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：