检索结果-内蒙古大学图书馆

作者：刘圆月重庆三峡学院

学位级别：硕士

中国有着悠久的农业历史和文化,积累了丰富的农业技术和经验,海水养殖业作为我国农业的重要组成部分,随着海水养殖业的快速发展,为海洋环境的保护带来了极大的挑战,不合理的养殖规划和管理严重破坏了海洋生态环境。浮筏养殖作为我国主... 详细信息

中国有着悠久的农业历史和文化,积累了丰富的农业技术和经验,海水养殖业作为我国农业的重要组成部分,随着海水养殖业的快速发展,为海洋环境的保护带来了极大的挑战,不合理的养殖规划和管理严重破坏了海洋生态环境。浮筏养殖作为我国主要的海水养殖方式之一,从合成孔径雷达(Synthetic Aperture Radar,SAR)影像中准确提取浮筏养殖目标,实现海水养殖监测,对于提高我国海水养殖发展的规模和效益具有重要意义。近年来,具有编解码结构的全卷积网络在图像分割领域中给出了重要解决方案,然而深度神经网络用于遥感影像智能解译的过程中,需要专家人工经验设定网络参数,并且耗费大量时间训练和反复调试。为解决这一问题,提出了群体智能优化方法与深度神经网络模型相结合,使用粒子群优化算法探索模型的最佳网络参数的方法,在此基础上设计并实现了一个用于提取海水养殖遥感信息的系统。本文的主要研究内容如下: (1)对于经典语义分割模型u-net,提出一种使用传统的粒子群优化算法来自动搜索u-net模型参数的方法,称为PSO-u-net,能够避免人工设置u-net模型参数固定的情况,在个体和群体的交互学习中灵活更新模型参数。 (2)对于海水浮筏养殖监测的全卷积编解码网络模型MDOAu-net,构建一种使用粒子群优化算法用于自动化设计全卷积编解码网络模型参数的方法,称为EPSO-MDOAu-net。在EPSO-MDOAu-net模型粒子评估和种群进化的迭代更新过程中加入了早停策略,允许不同粒子训练不同的时间,加快参数搜索的收敛速度,保证粒子的学习和进化。 (3)在上述研究的基础上设计并实现了一个基于深度神经网络的海水养殖遥感信息提取系统。该系统通过运用优化过后的深度神经网络模型,实现对海水浮筏养殖的遥感SAR影像分割,能够对海水养殖遥感信息进行精确提取和评估。

关键词：海水养殖遥感SAR影像粒子群优化算法 u-net模型全卷积编解码网络

来源：评论

学校读者我要写书评

暂无评论

地形校正对u-net深度神经网络分类器分类精度的影响

引用

遥感学报 2022年第4期26卷 698-710页

作者：贾莉郑柯唐娉霍连志中国科学院空天信息创新研究院北京100094 中国科学院大学电子电气与通信工程学院北京100049

在国土资源监测、森林资源调查等多个领域中,基于遥感影像的分类技术受到了广泛应用。在利用传统分类器对地表覆盖分类提取中,地形效应是制约分类精度提升的一种因素,其影响可通过适当的校正模型减弱,且已证明地形校正能够对分类精度的... 详细信息

在国土资源监测、森林资源调查等多个领域中,基于遥感影像的分类技术受到了广泛应用。在利用传统分类器对地表覆盖分类提取中,地形效应是制约分类精度提升的一种因素,其影响可通过适当的校正模型减弱,且已证明地形校正能够对分类精度的提升起到积极作用。相比于传统分类器,基于深度学习理论的深度神经网络分类器具有深层特征学习和表达的优势,在图像分类领域兴起并逐渐用于土地覆盖分类且取得了不错的精度提升。本文初步探究了地形校正在利用深度神经网络分类器u-net进行地表覆盖分类时对分类精度的影响情况。以Landsat 8 OLI 30 m影像为数据源,结合GDEM_V230 m地形数据,在GlobeLand 30和全国30 m森林分类结果的基础上,利用u-net深度神经网络分类器实现了山区地表覆盖分类提取,并就不同训练样本获取方式及不同精细程度分类体系下地形校正前后的分类精度做了对比分析。分类结果表明:(1)规则网格裁切和坡向辅助裁切这两种训练样本获取方式下,地形校正后的分类精度较校正前不变或有极小幅度的降低,降低范围在0.9%—1.39%;(2)在对更精细的森林类型分类中,地形校正后的分类精度较校正前下降了1.66%。本文初步探究得到:在规则网格裁切和坡向辅助裁切这两种训练样本获取方式及不同精细程度的分类体系下,地形校正均未能提高u-net深度神经网络分类器的分类精度。

关键词：遥感分类深度神经网络 u-net模型地形校正地表覆盖分类分类精度

来源：评论

学校读者我要写书评

暂无评论

基于端到端深度学习的声源特征清晰化方法

引用

振动与冲击 2023年第21期42卷 133-141页

作者：冯罗一昝鸣徐中明张志飞李贞贞重庆大学机械与运载工程学院重庆400044

基于深度学习的无网格声源识别方法突破了网格划分的限制,具有精度高、预测速度快的优点。在利用传统波束形成地图(conventional beamforming map,CB Map)提取声源位置特征时,随着传声器数目的减少,CB Map的成像性能会下降,进而影响深... 详细信息

基于深度学习的无网格声源识别方法突破了网格划分的限制,具有精度高、预测速度快的优点。在利用传统波束形成地图(conventional beamforming map,CB Map)提取声源位置特征时,随着传声器数目的减少,CB Map的成像性能会下降,进而影响深度学习模型预测声源位置的精度。为了提高深度学习无网格方法(deep learning grid-free method,DL-GFM)的通用性,使其在较少传声器阵列的情况下有良好的性能,提出一种基于端到端深度学习模型u-net的阵列转换方法(array converted method,ACM),对CB Map进行清晰化。首先使用18通道阵列CB Map作为输入、64通道阵列CB Map作为目标训练u-net模型,然后使用训练好的残差神经网络(residual network,Resnet)作为DL-GFM方法的预测模型进行无网格声源坐标识别。仿真结果表明ACM方法具有良好的旁瓣消除和主瓣宽度减小能力,并且在1~8个声源范围内对非训练声源数目的情况同样有效。对于3声源的情况,ACM方法在全频段上提升了DL-GFM方法的精度。最后通过1个、2个、3个声源的试验验证了提出方法的有效性和可行性。

关键词：声源识别波束形成 u-net模型端到端深度学习相控麦克风阵列

来源：评论

学校读者我要写书评

暂无评论

基于u-net的紫外极光观测极光卵形态提取

引用

空间科学学报 2021年第4期41卷 667-675页

作者：王梓涵佟继周邹自明钟佳白曦中国科学院国家空间科学中心北京100190 中国科学院大学北京100049

极光卵形态提取是极光研究的重要手段.如何提高强干扰背景下的紫外极光图像极光卵形态提取精度,目前仍是一个难题.本文提出一种基于深度学习语义分割模型u-net的方法,实现了对极光卵形态的高精度提取.在Polar卫星紫外极光观测数据的实... 详细信息

极光卵形态提取是极光研究的重要手段.如何提高强干扰背景下的紫外极光图像极光卵形态提取精度,目前仍是一个难题.本文提出一种基于深度学习语义分割模型u-net的方法,实现了对极光卵形态的高精度提取.在Polar卫星紫外极光观测数据的实验结果表明,该方法相比于已有算法精度更高,对完整型极光卵和缺口型极光卵图像均能得到更加精确的提取结果,特别是针对强日辉干扰、灰度不均匀和对比度低情况下的紫外极光图像时,该方法显示了明显优势.

关键词：紫外极光观测极光卵形态提取 u-net模型

来源：评论

学校读者我要写书评

暂无评论

深度边缘光谱u-net海水网箱养殖信息提取

引用

海洋学报 2022年第2期44卷 132-142页

作者：柯丽娜翟宇宁范剑超辽宁师范大学地理科学学院辽宁大连116029 国家海洋环境监测中心海洋遥感技术室辽宁大连116023

网箱养殖是海水养殖的重要类型之一,传统网箱养殖目标光谱特征受近岸植被、水体影响较大,易出现噪声问题。新型深海网箱养殖目标离岸较远,但养殖目标海面框体部分较小,与自然水体光谱相似性较高,难以实现有效提取。本文提出深度边缘光谱... 详细信息

网箱养殖是海水养殖的重要类型之一,传统网箱养殖目标光谱特征受近岸植被、水体影响较大,易出现噪声问题。新型深海网箱养殖目标离岸较远,但养殖目标海面框体部分较小,与自然水体光谱相似性较高,难以实现有效提取。本文提出深度边缘光谱u-net模型对两种海水网箱养殖类型进行养殖信息提取。该模型通过Canny算子双边滤波算法去除波段运算后冗余光谱信息,提取边缘光谱特征并利用u-net跳跃连接结构将其与深度卷积网络特征相融合,经softmax分类器逐像素分类实现网箱养殖信息提取。以海南近岸网箱养殖与深海网箱养殖为研究对象进行养殖信息提取,经实验对比所提方法在传统近岸网箱目标上精确度达到97.35%,新型深海网箱目标上提取精度达98.99%,其提取结果明显优于传统无监督算法和典型深度学习网络模型。

关键词：网箱养殖 u-net模型深度特征边缘光谱特征

来源：评论

学校读者我要写书评

暂无评论

基于SLA-unet的海水网箱养殖信息提取

引用

海洋学报 2024年第5期46卷 93-102页

作者：柯丽娜由金浩范剑超辽宁师范大学地理科学学院辽宁大连116029 大连理工大学控制科学与工程学院辽宁大连116024

网箱养殖是海水养殖中最重要的类型之一,各类网箱在遥感影像中形状不一,且背景复杂,以往的网箱提取方法,未能完全模拟人类的视觉行为,以及高效利用光谱信息。针对上述问题,提出深度多循环注意力光谱的u-net网络模型(Spectral Loopy Atte... 详细信息

网箱养殖是海水养殖中最重要的类型之一,各类网箱在遥感影像中形状不一,且背景复杂,以往的网箱提取方法,未能完全模拟人类的视觉行为,以及高效利用光谱信息。针对上述问题,提出深度多循环注意力光谱的u-net网络模型(Spectral Loopy Attention u-net,SLA-unet)进行网箱养殖信息提取,使用基于最优尺度寻优(Estimation of Scale Parameter,ESP)的随机森林(Random Forest,RF)算法,去除波段运算后的冗余光谱信息,并添加类似人眼的注意力行为机制,深化影响网箱信息提取的重要特征通道,同时进行边缘补齐补充损失信息,实现了网箱养殖信息的高精度提取。选取广东省湛江市和海南省临高县作为研究区域,与Canny算子、Otsu算法、PCA_Kmeans算法、基于ESP的RF算法、u-net模型提取结果进行对比,所提SLA-unet模型近岸网箱的提取精度为98.3%,深海网箱提取精度平均值为98.9%,验证了SLA-unet模型在网箱养殖识别中的有效性。

关键词：网箱养殖 u-net模型多循环注意力机制深度特征高效光谱特征

来源：评论

学校读者我要写书评

暂无评论

结合上下文信息与多层特征融合的遥感道路提取

引用

激光与光电子学进展 2024年第4期61卷 406-416页

作者：陈果胡立坤广西大学电气工程学院广西南宁530004 广西大学先进测控与智能电力研究中心广西南宁530004

现有的u-net虽然为遥感图像道路提取提供了较为理想的解决方案,但由于其缺乏对全局信息的关注,模型对于上下文信息的提取能力不足。为了进一步提高道路提取的准确度与完整度,提出一种结合上下文信息与多层特征融合的context&multila... 详细信息

现有的u-net虽然为遥感图像道路提取提供了较为理想的解决方案,但由于其缺乏对全局信息的关注,模型对于上下文信息的提取能力不足。为了进一步提高道路提取的准确度与完整度,提出一种结合上下文信息与多层特征融合的context&multilayer features-unet(CMF-unet),该模型利用金字塔特征聚合模块融合多层特征,并引入多尺度上下文信息提取模块用于加强上下文信息捕获能力。在Massachusetts Roads和CHN6-CuG两个数据集上进行实验验证,结果表明,所提方法能够有效提升道路分割精度,相较于原u-net,CMF-unet在Massachusetts Roads数据集上的召回率、F1分数和交并比分别提升了5.77个百分点、2.02个百分点和2.62个百分点,在CHN6-CuG数据集上的召回率、F1分数和交并比分别提升6.47个百分点、1.53个百分点和2.04个百分点。

关键词：图像处理 u-net模型多尺度上下文注意力机制条带池化

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net的肺野分割算法

引用

激光与光电子学进展 2022年第2期59卷 167-175页

作者：易三莉王天伟杨雪莲佘芙蓉贺建峰昆明理工大学信息工程与自动化学院云南昆明650500 云南省计算机技术应用重点实验室云南昆明650500

针对受肺肩区域、胸膈角及肋骨影响的胸部肺野分割问题,提出了一种基于改进u-net的肺野分割算法。首先,用inception模块代替u-net编码块中的卷积层,在增加网络宽度的同时捕获更多的图像特征。然后,在编码块与解码块中引入残差网络,提升... 详细信息

针对受肺肩区域、胸膈角及肋骨影响的胸部肺野分割问题,提出了一种基于改进u-net的肺野分割算法。首先,用inception模块代替u-net编码块中的卷积层,在增加网络宽度的同时捕获更多的图像特征。然后,在编码块与解码块中引入残差网络,提升网络深度的同时保证网络稳定;在编码与解码之间用跳跃连接增强特征的传递和利用,解决编码部分连续下采样中的胸部肺野特征丢失问题。最后,在编码与解码部分结合通道和空间注意力机制对图像特征进行重标定,有效提高了算法的分割精度。实验结果表明,相比其他分割算法,本算法的分割性能更好,在公开Montgomery County数据集上的准确率、召回率、特异性、平均交并比分别为98.90%、97.81%、99.28%、97.17%。

关键词：图像处理肺野分割 inception模块残差模块跳跃连接 u-net模型

来源：评论

学校读者我要写书评

暂无评论

引入卷积块注意力模块的Attention u-net木材表面裂纹检测方法

引用

林业工程学报 2024年第4期9卷 140-146页

作者：项晓扬王明涛多化琼内蒙古农业大学材料科学与艺术学院呼和浩特010018

木材缺陷会影响木材的使用价值和使用期限,其中木材表面裂纹是严重影响木材外观质量和机械强度的一种木材缺陷。对木材表面裂纹的检测可以尽快发现此类缺陷木材,或为后续处理提供依据。针对现有的人工检测和自动化检测木材表面裂纹效率... 详细信息

木材缺陷会影响木材的使用价值和使用期限,其中木材表面裂纹是严重影响木材外观质量和机械强度的一种木材缺陷。对木材表面裂纹的检测可以尽快发现此类缺陷木材,或为后续处理提供依据。针对现有的人工检测和自动化检测木材表面裂纹效率低、成本高、漏检率高等问题,采用引入卷积块注意力模块(convolutional block attention module,CBAM)的Attention u-net深度学习模型对木材表面裂纹图像进行语义分割,从而达到木材表面裂纹检测的目的。引入的CBAM模块包含通道注意力机制和空间注意力机制,分别用于捕捉通道间的依赖关系和像素级的空间关系,该模块被添加到Attention u-net网络的编码阶段,以增加感兴趣区域的权重并抑制冗余信息。最后,通过消融试验验证了Attention u-net中加入CBAM对分割性能的提升。采用像素准确率(PA)、类别像素准确率(CPA)、召回率(Recall)、Dice系数、交并比(Iou)和平均交并比(MIou)等语义分割评价指标评价各模型的优劣,并确定最佳模型及其参数。在自制木材表面数据集的裂纹分割中,使用AdamW优化器引入CBAM的Attention u-net的PA、木材裂纹Recall、木材裂纹Dice系数、木材裂纹Iou、MIou分别比使用SGD优化器的Attention u-net原始模型提高了0.11%,4.14%,2.96%,3.58%和1.84%。结果表明,使用AdamW优化器引入CBAM的Attention u-net能够较好地分割背景和木材表面裂纹,区分节点、表面纹理和木材裂纹,并将节点和表面纹理分割为背景。

关键词：图像处理语义分割木材表面裂纹检测深度学习 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

基于分水岭修正与u-net的肝脏图像分割算法

引用

计算机工程 2020年第1期46卷 255-261,270页

作者：亢洁丁菊敏万永雷涛陕西科技大学电气与控制工程学院西安710021 陕西科技大学电子信息与人工智能学院西安710021 西安交通大学第一附属医院老年外科西安710061

在利用卷积神经网络分割肝脏边界较模糊的影像数据时容易丢失位置信息,导致分割精度较低。针对该问题,提出一种基于分水岭修正与u-net模型相结合的肝脏图像自动分割算法。利用u-net分层学习图像特征的优势,将浅层特征与深层语义特征相融... 详细信息

在利用卷积神经网络分割肝脏边界较模糊的影像数据时容易丢失位置信息,导致分割精度较低。针对该问题,提出一种基于分水岭修正与u-net模型相结合的肝脏图像自动分割算法。利用u-net分层学习图像特征的优势,将浅层特征与深层语义特征相融合,避免丢失目标位置等细节信息,得到肝脏初始分割结果。在此基础上,通过分水岭算法形成的区域块对肝脏初始分割结果的边界进行修正,以获得边界平滑精确的分割结果。实验结果表明,与传统的图割算法和全卷积神经网络算法相比,该算法能够实现更为精准的肝脏图像分割。

关键词：肝脏图像分割卷积神经网络 u-net模型分水岭算法边界修正

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：