检索结果-内蒙古大学图书馆

江苏农业科学 2022年第6期50卷 93-100页

作者：李彧余心杰郭俊先新疆农业大学机电工程学院新疆乌鲁木齐830052 浙江大学宁波理工学院浙江宁波315100

杂草是危害农业和林业生产的三害之一,对农业生产、生态环境、生物多样性等均会造成一定的危害。要解决杂草问题首先需要对杂草实现高效准确的识别,通过拍摄新疆旱地玉米大苗田间图像构建数据集,提取玉米苗与杂草2类标签,使用全卷积神... 详细信息

杂草是危害农业和林业生产的三害之一,对农业生产、生态环境、生物多样性等均会造成一定的危害。要解决杂草问题首先需要对杂草实现高效准确的识别,通过拍摄新疆旱地玉米大苗田间图像构建数据集,提取玉米苗与杂草2类标签,使用全卷积神经网络(FCN)准确地分割2类目标实现杂草识别。利用图像翻转、镜像、对比度增强、亮度增强等4种增广方法扩增数据集,利用迁移学习技巧,对模型采取非初始参数训练,提升模型识别准确率。结果表明,选择的u-net模型识别效果最佳,能够有效地克服阴天光照、地膜等因素干扰,实现杂草的快速准确识别,验证集识别正确率96.13%,能够满足杂草识别的实际要求。

关键词：杂草识别全卷积神经网络深度学习语义分割 u-net模型 VGG

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

引用

中南民族大学学报（自然科学版） 2021年第4期40卷 417-423页

作者：蔡畅陈军波陈心浩中南民族大学生物医学工程学院武汉430074

为提高脑肿瘤磁共振图像分割精度,在u-net图像分割方法基础上,提出了一种引入注意力机制的深度学习改进模型,利用全局上下文信息,使模型重点关注需要分割区域的特征,并抑制无关的特征,以此提高模型的分割精度,同时引入残差块来加速模型... 详细信息

为提高脑肿瘤磁共振图像分割精度,在u-net图像分割方法基础上,提出了一种引入注意力机制的深度学习改进模型,利用全局上下文信息,使模型重点关注需要分割区域的特征,并抑制无关的特征,以此提高模型的分割精度,同时引入残差块来加速模型的训练.实验结果表明:提出的改进模型相比u-net方法,脑肿瘤MRI图像的分割精度有了提高,具有良好的分割性能.

关键词：脑肿瘤磁共振图像分割卷积神经网络 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u-net深度神经网络的早期火灾烟雾自动分割方法

引用

火灾科学 2019年第2期28卷 113-118页

作者：贾阳喻润洋樊良辉西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121

在火灾事件监测中,为了减少数据处理量、加快探测速度,需要先分割出疑似烟雾区域。传统的烟雾分割算法大多需要设置阈值进行处理,算法的环境适应能力还需进一步提升。在研究中,使用u-net结构的深度神经网络进行早期火灾烟雾的自动分割,... 详细信息

在火灾事件监测中,为了减少数据处理量、加快探测速度,需要先分割出疑似烟雾区域。传统的烟雾分割算法大多需要设置阈值进行处理,算法的环境适应能力还需进一步提升。在研究中,使用u-net结构的深度神经网络进行早期火灾烟雾的自动分割,通过半自动算法人工辅助分割出烟雾区域的图像样本,基于深度神经网络对分割烟雾区域进行学习,得到原始视频帧到分割结果的映射模型,并据此模型进行烟雾区域分割。在测试集上的分割实验结果表明该方法与传统方法相比,不需要设置阈值,自动化程度更高,分割速度极快,在疑似烟雾区域分割任务中性能较好。

关键词：深度神经网络 u-net模型疑似烟雾区域分割烟雾探测

来源：评论

学校读者我要写书评

暂无评论

基于u-net的多尺度融合视网膜血管分割算法

引用

昆明理工大学学报（自然科学版） 2021年第5期46卷 56-64页

作者：易三莉杨雪莲王天伟佘芙蓉熊馨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

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于u-net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重... 详细信息

针对眼底血管图像具有形状多样、分叉较多、曲度复杂的特点,提出了一种多尺度融合视网膜血管分割算法.该算法基于u-net模型进行改进,首先在编码和解码部分使用短跳跃连接模块将网络浅层和深层的特征信息进行融合,通过增加浅层特征的权重,更多地保留了血管的边缘和细微结构信息.其次在编码部分采用空洞卷积构建空洞空间金字塔池化模块代替传统卷积块,来扩大算法的感受野,从而在不增加网络参数的同时进行多尺度特征融合,提取更丰富的空间信息.通过在DRIVE数据集上进行验证,实验结果表明:本算法的准确率和AuC值分别达到0.9572、0.9811,与u-net等其他基于深度学习的算法相比分割效果更优,从而验证本算法在视网膜血管分割中更加有效.

关键词：视网膜血管分割 u-net模型短跳跃连接空洞卷积多尺度特征融合

来源：评论

学校读者我要写书评

暂无评论

煤体红外热像异常区域分割方法

引用

工矿自动化 2022年第9期48卷 92-99页

作者：赵小虎车亭雨叶圣田贺张凯矿山互联网应用技术国家地方联合工程实验室江苏徐州221008 中国矿业大学信息与控制工程学院江苏徐州221008 中国矿业大学安全工程学院江苏徐州221008

红外辐射可反映煤岩受载破坏情况,用于监测和预防煤岩动力灾害,但红外热像仪生成的红外热像图像素分辨率低、噪声较大,导致检测结果受主观因素影响较大,无法准确识别煤体损伤区域。将深度学习和红外热像结合进行无损检测已成为趋势,但... 详细信息

红外辐射可反映煤岩受载破坏情况,用于监测和预防煤岩动力灾害,但红外热像仪生成的红外热像图像素分辨率低、噪声较大,导致检测结果受主观因素影响较大,无法准确识别煤体损伤区域。将深度学习和红外热像结合进行无损检测已成为趋势,但目前结合深度学习和红外热像对煤体受载破坏进行识别检测的研究相对较少。针对上述问题,提出一种基于多尺度通道注意力模块(MS-CAM)u-net模型的煤体红外热像异常区域分割方法。在传统u-net模型的编码器中引入MS-CAM,设计了基于MS-CAM的u-net模型结构,使模型在关注煤体红外热像异常区域显著特征的同时,还关注异常区域小目标特征,以提高异常区域分割精度。为降低煤体红外热像数据集匮乏对模型准确率和适用性的影响,对创建的煤体红外热像数据集进行数据增强操作,并采用MS COCO数据集对基于MS-CAM的u-net模型进行预训练,再采用煤体红外热像数据集训练,得出最终网络权重。实验结果表明,该方法可有效分割煤体红外热像异常区域,精确率、F1分数、Dice系数和平均交并比分别为94.75%,94.94%,94.65%,90.03%,均优于Deeplab模型、u-net模型和基于SEnet注意力机制的u-net模型。

关键词：煤岩动力灾害煤岩受载破坏红外辐射红外热像异常区域分割 u-net模型多尺度通道注意力模块深度学习

来源：评论

学校读者我要写书评

暂无评论

基于u-net的非侵入式负荷监测

引用

控制工程 2024年

作者：郭凯张默郑璐王麒锋罗博威朱笑晨国网辽宁省电力有限公司葫芦岛供电公司东北大学信息科学与工程学院

针对当前非侵入式负荷监测（NILM）算法在低功率和多状态设备上监测水平的不足，提出三种改进的u-net架构模型，包括专注于负荷分解的单任务模型、同时处理负荷分解与识别的多任务模型、以及结合BiLSTM以增强时序数据处理能力的多任务... 详细信息

针对当前非侵入式负荷监测（NILM）算法在低功率和多状态设备上监测水平的不足，提出三种改进的u-net架构模型，包括专注于负荷分解的单任务模型、同时处理负荷分解与识别的多任务模型、以及结合BiLSTM以增强时序数据处理能力的多任务模型。利用u-net网络序列到序列的训练策略，辅以深层卷积特征映射模块，有效提升模型对序列中长短期依赖关系的捕捉能力，并通过特征拼接技术优化了特征的提取能力。此外，多任务学习共享相关任务的底层知识，相互促进模型对各任务的学习能力。最后，在uK-DALE数据集上与其它前沿算法展开对比实验，结果表明这三种模型监测效果层层递进，并且显现出较低的分解误差和较强的泛化性能。

关键词：非侵入式负荷监测 u-net模型负荷分解多任务模型深度学习

来源：评论

学校读者我要写书评

暂无评论

面向牙齿X-RAY图像分割的牙齿模型

引用

福建电脑 2024年第1期40卷 44-47页

作者：周敬策陆惠玲江南大学人工智能与计算机学院江苏无锡214122 宁夏医科大学医学信息与工程学院宁夏银川750004

医学图像分割技术为临床诊断和治疗提供关键依据,但传统的图像分割技术易将图像过度分割且分割效果不够精细。为解决这些问题,本文研究采用u-net网络分割牙齿X-Ray图像,通过合理选择池化操作、激活函数和周期数目,解决牙齿X-Ray图像中... 详细信息

医学图像分割技术为临床诊断和治疗提供关键依据,但传统的图像分割技术易将图像过度分割且分割效果不够精细。为解决这些问题,本文研究采用u-net网络分割牙齿X-Ray图像,通过合理选择池化操作、激活函数和周期数目,解决牙齿X-Ray图像中存在的牙齿与周围组织的对比度低、边界模糊、牙齿与背景分布不均、牙齿与组织粘连等问题。实验结果表明,u-net网络具备有效的牙齿X-Ray图像的分割性能。

关键词：牙齿X-Ray图像图像分割 u-net模型

来源：评论

学校读者我要写书评

暂无评论

融合全局上下文的近岸养殖池塘提取算法

引用

福州大学学报（自然科学版） 2024年第5期52卷 520-527页

作者：彭俊陈红梅罗冬莲陈芸芝福州大学数字中国研究院(福建) 福建福州350108 福建省水产研究所福建厦门361006 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建福州350108

针对现有方法对于养殖池塘和干扰地物的区分效果不足,在多源高分辨率遥感影像上的普适性有待验证等问题,提出一种融合全局上下文信息的PG-unet养殖池塘提取模型.该模型在u-net的基础上,通过增加金字塔特征提取单元来捕捉丰富的全局上下... 详细信息

针对现有方法对于养殖池塘和干扰地物的区分效果不足,在多源高分辨率遥感影像上的普适性有待验证等问题,提出一种融合全局上下文信息的PG-unet养殖池塘提取模型.该模型在u-net的基础上,通过增加金字塔特征提取单元来捕捉丰富的全局上下文信息,增加全局引导流来改善不同级别特征图的质量,提升模型在多干扰地物环境定位目标的能力.在GF-2 PMS和BJ-2 PMS数据集上的实验结果表明,PG-unet模型精度最优,其Iou和F_(1)分数分别达到92.30%、96.00%和92.07%、95.87%,优于u-net、Densenetunet和u2net等方法,具有更强的抗干扰能力和普适性,能更好地区分养殖池塘和干扰地物;同时,PG-unet模型在诏安湾养殖区域应用也取得了较高的提取精度,能够实现大范围养殖池塘空间分布信息自动精准提取.

关键词：养殖池塘 u-net模型金字塔特征提取单元全局引导流

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net的不同容重小麦籽粒识别检测

引用

河南农业科学 2023年第10期52卷 141-152页

作者：吕宗旺王玉琦孙福艳河南工业大学信息科学与工程学院河南郑州450001 粮食信息处理与控制教育部重点实验室河南郑州450001

小麦质量等级检测过程中,容重是一项非常重要的指标。人工检测和传统图像处理方法在小麦质量等级检测方面存在设备昂贵、识别效率低等问题,需要进一步改进。采用自制3种等级小麦籽粒样品作为小麦容重数据集,针对小麦籽粒目标小、边缘分... 详细信息

小麦质量等级检测过程中,容重是一项非常重要的指标。人工检测和传统图像处理方法在小麦质量等级检测方面存在设备昂贵、识别效率低等问题,需要进一步改进。采用自制3种等级小麦籽粒样品作为小麦容重数据集,针对小麦籽粒目标小、边缘分割不清晰等特点对u-net网络进行改进。在主干网络上,采用残差堆叠模块来减少特征损失,在网络桥接部分嵌入CBAM注意力机制模块来加强对特征的进一步提取,在解码器部分嵌入自注意力机制模块,还原细节信息。结果表明,改进网络模型CBSA_u-net的平均交并比(MIou)为81.5%,比u-net模型提升了1.8百分点,相较于PSPnet、DeepLabv3+模型分别提升了4.2、3.3百分点。

关键词：小麦质量等级籽粒识别容重残差模块注意力机制 u-net模型分割

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的腰椎间盘退变全自动分级

引用

中国临床研究 2024年第5期37卷 709-713页

作者：丁兆明李鸿燕陈亮陈兵孙辉候文韬夏春华安徽医科大学第三附属医院影像中心安徽合肥230000 中国科学技术大学安徽合肥230000 安徽医科大学安徽合肥230000

目的探讨深度学习模型在腰椎磁共振T2加权成像(T2WI)矢状图像上全自动识别腰椎间盘退变程度的可行性。方法回顾性抽取2020年8月至2022年6月于安徽医科大学第三附属医院就诊并行腰椎MRI检查的94例患者的腰椎T2WI图像数据,共获得466个椎间... 详细信息

目的探讨深度学习模型在腰椎磁共振T2加权成像(T2WI)矢状图像上全自动识别腰椎间盘退变程度的可行性。方法回顾性抽取2020年8月至2022年6月于安徽医科大学第三附属医院就诊并行腰椎MRI检查的94例患者的腰椎T2WI图像数据,共获得466个椎间盘,由两名放射科医生手动标注腰椎间盘,将数据随机分为训练集(300个)、调优集(72个)和测试集(94个),首先使用u-net网络训练椎间盘分割模型,模型评价指标包括Dice系数和交并比(Iou)分数;然后利用Spinenet网络训练分类模型进行评价,评价指标包括准确度、敏感度、特异度、F1分数及ROC曲线。结果测试集中u-net模型对腰椎间盘分割的平均Dice系数值及Iou分数分别为0.920、0.853;Spinenet分类模型对腰椎间盘退变分类诊断的准确度、特异度、敏感度分别为0.913、0.912、0.916,ROC曲线分析示,该模型区分腰椎间盘退变轻度vs中度、轻度vs重度、中度vs重度的AuC值分别为0.89、0.95、0.90。结论深度学习网络对腰椎间盘退变程度的全自动分类是可行的。

关键词：腰椎椎间盘退变深度学习网络 T2WI矢状图像 u-net模型分割模型分类模型

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：