检索结果-内蒙古大学图书馆

您好，读者！请登录

内蒙古大学图书馆

首页
概况
党建
资源
服务
科研支持
- 论文收录引用证明
- 科技查新
知识产权
档案馆
帮助

咨询与建议

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

您的常用邮箱：*

您的手机号码：*

问题描述：

当前已输入0个字，您还可以输入200个字

全部搜索
期刊论文
图书
学位论文
标准
纸本馆藏
外文资源发现
数据库导航
超星发现

高级检索

时间限定

出版年份：

文献类型

图书期刊文献学位论文多媒体

馆藏选择

电子馆藏纸本馆藏

核心期刊

全部期刊 SCI 收录期刊 SSCI 收录期刊 EI 收录期刊 CSCD 收录期刊 CSSCI 收录期刊

语言

中文英文

文献类型

期刊文献图书学位论文标准纸本馆藏

帮助

文字说明：

T=题名（书名、题名），A=作者（责任者），K=主题词，P=出版物名称，PU=出版社名称，O=机构（作者单位、学位授予单位、专利申请人），L=中图分类号，C=学科分类号，U=全部字段，Y=年（出版发行年、学位年度、标准发布年）

检索规则说明：

AND代表“并且”；OR代表“或者”；NOT代表“不包含”；(注意必须大写,运算符两边需空一格)

检索范例：

范例一：(K=图书馆学 OR K=情报学) AND A=范并思 AND Y=1982-2016
范例二：P=计算机应用与软件 AND (U=C++ OR U=Basic) NOT K=Visual AND Y=2011-2016

分类表

所选分类

>> <<

限定检索结果

文献类型

110 篇 期刊文献
54 篇 学位论文
6 篇 会议

馆藏范围

170 篇 电子文献
0 种 纸本馆藏

日期分布

学科分类号

153 篇 工学
- 45 篇 计算机科学与技术...
- 45 篇 软件工程
- 43 篇 机械工程
- 40 篇 控制科学与工程
- 33 篇 环境科学与工程（可...
- 31 篇 测绘科学与技术
- 31 篇 地质资源与地质工...
- 21 篇 信息与通信工程
- 16 篇 仪器科学与技术
- 14 篇 农业工程
- 7 篇 生物医学工程（可授...
- 6 篇 交通运输工程
- 5 篇 材料科学与工程（可...
- 5 篇 土木工程
- 5 篇 水利工程
- 3 篇 电子科学与技术（可...
- 3 篇 矿业工程
- 3 篇 生物工程
- 2 篇 光学工程
- 2 篇 电气工程
30 篇 管理学
- 29 篇 管理科学与工程(可...
25 篇 农学
- 13 篇 农业资源与环境
- 7 篇 作物学
- 4 篇 水产
- 3 篇 林学
17 篇 医学
- 12 篇 临床医学
- 4 篇 医学技术（可授医学...
12 篇 理学
- 5 篇 生态学
- 2 篇 大气科学
8 篇 艺术学
- 8 篇 设计学（可授艺术学...
1 篇 经济学

主题

170 篇 u-net模型
58 篇 深度学习
21 篇 注意力机制
14 篇 图像分割
12 篇 语义分割
10 篇 卷积神经网络
7 篇 建筑物提取
6 篇 遥感影像
6 篇 高分辨率遥感影像
6 篇 生成对抗网络
6 篇 图像处理
4 篇 跳跃连接
4 篇 残差网络
4 篇 医学图像分割
3 篇 inception模块
3 篇 小麦
3 篇 深度特征
3 篇 残差模块
3 篇 注意力
3 篇 图像语义分割

机构

7 篇 中国科学院大学
4 篇 中国地质大学
4 篇 昆明理工大学
4 篇 浙江大学
3 篇 华中科技大学
3 篇 江西理工大学
3 篇 云南省计算机技术...
3 篇 辽宁师范大学
3 篇 山东理工大学
3 篇 吉林大学
3 篇 中国矿业大学
3 篇 贵州民族大学
3 篇 东北大学
2 篇 西南大学
2 篇 华南师范大学
2 篇 中国石化地球物理...
2 篇 中国科学院空天信...
2 篇 广东省土地调查规...
2 篇 地球内部多尺度成...
2 篇 贵州师范大学

作者

3 篇 易三莉
3 篇 佘芙蓉
3 篇 杨丹
3 篇 王天伟
3 篇 张博源
3 篇 杨雪莲
3 篇 yang dan
2 篇 万林江
2 篇 陈芸芝
2 篇 liu jun
2 篇 由金浩
2 篇 闫星宇
2 篇 邓光校
2 篇 范剑超
2 篇 刘军
2 篇 纪思奇
2 篇 fan jianchao
2 篇 yue wen
2 篇 黄成泉
2 篇 ke li’na

语言

169 篇 中文
1 篇 英文

检索条件"主题词=u-net模型"

共 170 条记录，以下是131-140 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

基于深度学习的拓扑优化算法研究

基于深度学习的拓扑优化算法研究

引用

作者：崔富豪烟台大学

学位级别：硕士

拓扑优化是工业设计领域中常见的数学方法,旨在给定的物理领域内,在满足各种约束条件、负载和其他边界条件等前提下,生成最佳的拓扑结构。传统的拓扑优化方法大多使用有限元法(Finite Element Method,FEM),但有限元方法的迭代计算很大... 详细信息

拓扑优化是工业设计领域中常见的数学方法,旨在给定的物理领域内,在满足各种约束条件、负载和其他边界条件等前提下,生成最佳的拓扑结构。传统的拓扑优化方法大多使用有限元法(Finite Element Method,FEM),但有限元方法的迭代计算很大程度上增加了拓扑优化的时间成本和算力成本。如今,机器学习和深度学习在图像生成领域内的快速发展为拓扑优化的发展带来了机遇。其中,扩散模型是一种新兴的图像生成模型,因生成效果优秀、细节完美等特点被广泛使用;条件生成对抗网络作为经典的图像生成模型,能够根据给定的条件信息生成相应的高质量图像。本文对将在这两个模型的基础上提出基于深度学习的拓扑优化方法,通过优化网络结构,使其更适应拓扑优化生成特性和要求。本文的主要工作如下: (1)提出了基于条件扩散模型的拓扑优化算法(Topology Optimization using Conditional Diffusion Modes,TOu CD)。针对预测拓扑优化最终结构问题,提出采用扩散模型进行预测的深度学习方法为了预测有特定需求的拓扑结构,使整个拓扑优化更具有针对性和物理意义,在扩散模型中创新性地在时间编码器(Time Embedding)中加入了条件信息;为了提高模型的训练效果,损失函数采用均方误差(Mean Squared Error,MSE)和绝对值误差(Mean Absolute Error,MAE)分段式启动模式,使模型快速收敛并趋向于稳定,预测结果与金标准高度相似。通过实验验证,该方法产生的预测结构具有多样化、噪声少等优点。 (2)提出了基于级联条件对抗网络的拓扑优化算法(Topology Optimization using Multi-stage c GAN,mc GANs)。针对基于深度学习的拓扑优化方法在条件信息的生成中仍需大量前期准备工作的问题,本文提出级联网络。网络前两个自网络用于生成应变、应力等物理条件信息,后一个子网络用于预测最终拓扑结构,在保证拓扑结构具有物理意义的同时极大地节省了时间成本和算力成本。为了提高网络生成效果,模型生成器采用u-net架构并加入注意力机制;为了解决模型深度增加导致的梯度爆炸问题,模型引入了残差模块;最后,为了优化部分预测结果出现噪声问题,采用局部二值化方法对最终结果进行后处理。通过实验验证,该方法在时间成本上远远小于传统方法并且领先于TOu CD,预测结果也和传统方法高度相似,且无需迭代计算为实验做前期准备。 (3)提出基于条件对抗网络的热扩散拓扑优化算法(Thermal Diffusion Topology Optimization using c GAN,TDuc GAN)。针对TOu CD预测时间成本依旧很大和mc GANs无法适应热扩散拓扑结构预测问题,本文提出了TDuc GAN网络;针对于深度学习网络不能很好识别出拓扑优化过程中的重要信息问题,本文在TDuc GAN网络中引入了CBAM注意力机制;针对于预测结构与真实结构存在差异性问题,本文多次对TDuc GAN模型进行实验分析,归纳出合理的损失函数。

关键词：扩散模型条件生成对抗网络拓扑优化 u-net模型

来源：评论

学校读者我要写书评

暂无评论

生成对抗网络优化与图像翻译算法研究

生成对抗网络优化与图像翻译算法研究

引用

作者：常佳曲阜师范大学

学位级别：硕士

图像作为社交网络的主流信息载体,包含丰富的信息,能够为人们分享日常生活、记录事件、传递感情,被广泛地应用在人们日常生活中。图像翻译是在训练样本充足的情况下,源域到目标域之间的映射,可以将目标的一种表示形式转换为另一种形式... 详细信息

图像作为社交网络的主流信息载体,包含丰富的信息,能够为人们分享日常生活、记录事件、传递感情,被广泛地应用在人们日常生活中。图像翻译是在训练样本充足的情况下,源域到目标域之间的映射,可以将目标的一种表示形式转换为另一种形式。图像处理和计算机视觉问题可以看作是一种图像翻译问题,比如图像去模糊、人脸上妆、风格迁移、图像修复等。2014年提出的生成对抗网络(GAN)在图像翻译领域表现突出,可以根据需求生成不同内容的图像。基于GAN网络的图像翻译,输入是随机噪声,自由度大很难快速生成需要的目标内容,易出现振荡达不到均衡,出现部分模式崩溃现象,使得生成图像的轮廓、纹理等特征的丢失,造成图像翻译效果不佳。针对这些缺点,本文提出了通过改变网络跳跃连接次数改进u-net生成对抗网络模型的图像翻译算法,进行有监督图像翻译和Pix2Pix生成对抗网络模型对比实验、无监督图像翻译和CycleGAN模型对比实验,论文提出的改进模型能够很好地解决生成图像背景失真、多样性缺失的问题。首先,研究Pix2Pix生成对抗网络优化算法、学习率、迭代次数对图像翻译效果的影响,实验中当迭代次数为200次、优化算法为Adam、学习率为0.001时,网络的图像翻译效果最好。其次,针对Pix2Pix生成对抗网络在图像翻译过程中生成图像的轮廓、纹理等特征的丢失,造成图像翻译效果不佳的问题,提出了通过改变网络中跳跃连接次数的形式改进u-net生成对抗网络模型的图像翻译算法。u-net模型第i层和第n-i层承载着类似的信息,通过跳跃连接就可以将第i层的特征复制到第n-i层,使得生成图像更接近于真实图像。一次跳跃连接易丢失图像的背景、纹理、轮廓等特征,实验中通过逐次增加第i层和第n-i层之间的跳跃连接次数进行图像翻译实验,确定网络跳跃连接次数的最佳值。在CuFS人脸数据库上应用Pix2Pix生成对抗网络、改进的u-net模型进行实验,实验结果得出,当网络跳跃连接次数等于5时,图像翻译效果达到最优,图像翻译结果的MOS评分为4.2、PSNR达到14.3634、SSIM达到0.5763、L1损失为29292746、Cosin为0.9732,均优于Pix2Pix生成对抗网络模型。最后,采用无监督学习方法,数据库为horse2zebra、apple2orange库,应用改进的网络跳跃连接模型在非成对数据下进行图像翻译实验。实验结果看出,改进的网络跳跃连接方法相比于CycleGAN模型,生成图像质量和多样性有了进一步的提高,实验生成结果的Fréchet Inception distance(FID)评价达到166.39,比CycleGAN模型降低了2.84,解决了生成图像背景失真问题,且模型收敛速度快。

关键词：图像翻译生成对抗网络 u-net模型跳跃连接图像质量评估评价指标

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net的富营养化绿色坑塘遥感影像识别研究

基于改进U-Net的富营养化绿色坑塘遥感影像识别研究

引用

作者：郑丹阳吉林农业大学

学位级别：硕士

纳污坑塘的形成,造成全国范围内水体污染程度的加重,成为影响我国形象和生态安全的重大环境问题,也对我国的社会经济发展产生了制约作用。虽然纳污坑塘成因众多,如垃圾排放、温度变化等,也有一些基于遥感、光谱等识别纳污坑塘在遥感影... 详细信息

纳污坑塘的形成,造成全国范围内水体污染程度的加重,成为影响我国形象和生态安全的重大环境问题,也对我国的社会经济发展产生了制约作用。虽然纳污坑塘成因众多,如垃圾排放、温度变化等,也有一些基于遥感、光谱等识别纳污坑塘在遥感影像上的动态特征,但传统识别水体算法所需条件较多且费时,并且缺少专门对富营养化绿色坑塘的研究。为此,本文提出了两个新的深度学习模型来改进传统u-net,同时为了找到最佳的模型架构,进行了一系列的数据处理和实验,具体研究如下: (1)本文以广西省南宁市、吉林省长春市等7个城市行政区为研究地点,采用国产高分二号(GF-2)遥感影像制作数据集。在影像上,针对数据量少的难点,采用“目视解译”和实地核查相结合的方式构建数据集;针对富营养化绿色坑塘颜色特点,在波段上,提出增加NDVI和Bright两个指数,并和影像原始波段信息融合,Bright指数使富营养化绿色坑塘的颜色特点更突出,NDVI指数使模型能更加清楚的区分水体和植被信息。 (2)针对传统u-net上下文信息提取不充分的问题,本文提出了一种基于Resnet50编码并引入注意力机制的EAF-unet(Effcient Attention Fusion unet,EAF-unet)模型,将空间注意力模块和通道注意力模块相结合,保留更多的图像细节,使模型更加关注提取对象,降低背景信息,同时设置早停策略,避免模型陷入局部最优解。最后,为验证模型的优越性,选用不同的编码器和Deep Labv3+、PSP-net、原始u-net模型进行对比,实验结果表明,EAF-unet识别富营养化绿色坑塘Precision、Recall、Fl-score、Io u的精度分别是81%、79%、80%、67%,优于常用的深度学习模型。 (3)为了使富营养化绿色坑塘识别更加精细,挖掘和保留更多的数据特征,本文在保留EAF-unet网络模型指数和注意力机制模块的基础上,提出了基于残差网络的ERAF-unet++(Effcient Residual Attention Fusion unet++,ERAF-unet++)模型。引入残差网络的同时重设u-net++的跳跃连接路径,利用余弦退火算法对学习率进行调整。采用交叉熵+Dice组合损失函数提高模型的泛化能力,避免网络退化。实验结果表明,ERAF-unet++识别富营养化绿色坑塘Precision、Recall、Fl-score、Io u的精度分别是85%、81%、83%、72%,表明该模型与u-net++、EAF-unet相比显著提高了分割精度,能更好的对富营养化绿色坑塘进行分割。

关键词：遥感影像识别 u-net模型富营养化绿色坑塘注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于粒计算的u-net视网膜血管分割方法及应用研究

基于粒计算的U-Net视网膜血管分割方法及应用研究

引用

作者：孙颖南通大学

学位级别：硕士

目前利用深度神经网络实现视网膜血管的智能精准分割已经成为领域内的研究热点。然而视网膜血管存在边界模糊不清、血管粗细不一,甚至被病变区域遮盖等现象。这些现象将会导致深度神经网络在分割视网膜血管时面临两类不确定信息,即特征... 详细信息

目前利用深度神经网络实现视网膜血管的智能精准分割已经成为领域内的研究热点。然而视网膜血管存在边界模糊不清、血管粗细不一,甚至被病变区域遮盖等现象。这些现象将会导致深度神经网络在分割视网膜血管时面临两类不确定信息,即特征通道不确定性和边界标签不确定性。特征通道不确定性将会影响通道注意力系数,导致深度网络无法关注视网膜血管细节特征。边界标签不确定性将会导致不正确的反向传播信息,导致无法训练出有效的分割模型。为解决上述不确定性信息对分割结果的影响,本文在深度神经网络中结合粒计算相关理论,设计鲁棒的视网膜血管分割模型,并实现视网膜血管智能分割辅助诊断应用系统。具体研究内容如下:(1)针对视网膜血管特征通道的不确定性,提出基于粗糙通道注意力机制的视网膜血管分割方法。该方法首先将深度神经网络学习复杂特征的能力和粗糙集处理不确定性信息的能力相融合,设计粗糙神经元;接着基于粗糙神经元构建粗糙通道注意力机制模块,并将其嵌入u-net模型的跳跃连接中,实现高低特征的融合;然后添加残差连接,将低层特征直接传递给高层特征,不仅丰富网络特征提取,并且有助于训练模型时梯度的反向传播;最后在三个视网膜血管数据集上验证方法的有效性,实验结果表明本文所提方法在准确率和敏感度指标上均有显著提升。(2)针对血管边界标签的不确定性,提出基于三支损失函数的u-net视网膜血管分割方法。该方法首先利用膨胀和腐蚀算子分别构建不确定边界的上下界,将存在不确定信息的血管边界映射到一个范围之内;接着将边界的不确定性与网络损失函数相联合并提出三支损失函数,该损失函数分别计算预测边界与手工分割金标准图、不确定边界上界图和不确定边界下界图的交叉熵损失,并以加权融合的方式生成最终的损失;然后利用三支损失函数的总损失,采用随机梯度下降算法训练网络参数;最后在三个视网膜血管数据集上验证方法的有效性,实验结果说明本文所提三支损失函数可以显著提升分割的准确率。(3)在上述研究基础上,设计并实现视网膜血管智能分割辅助诊断应用系统。该应用系统实现了数据采集功能、视网膜血管智能精准分割功能以及辅助诊断功能。其中数据采集模块负责患者基本信息的录入和彩色眼底视网膜血管图像的上传;视网膜血管智能分割模块利用本文所提基于粗糙通道注意力机制的u-net模型和基于三支损失函数的u-net模型实现对彩色眼底图像的智能分割;辅助诊断模块中医生基于患者的基本信息、眼底相机采集的彩色视网膜血管图像以及相对应的视网膜血管分割结果图,分析患者病情并填写诊断意见。该应用系统对眼科医生和心内科医生的辅助诊断具有较好的实用性。本文结合粒计算处理不确定性信息的能力及深度学习模型高效的特征学习能力,实现对眼底图像中细粒度视网膜血管的精准分割,并基于所提两类模型开发辅助诊断应用系统,相关研究成果对视网膜血管智能分割具有较好的研究意义与实用价值。

关键词：粗糙集理论三支决策注意力机制视网膜血管分割 u-net模型

来源：评论

学校读者我要写书评

暂无评论

免疫组化自动分析关键技术研究

免疫组化自动分析关键技术研究

引用

作者：魏星东南大学

学位级别：硕士

人类与癌症的斗争已持续了数千年,近年来免疫疗法的出现为人类战胜癌症提供了有力的武器,其中PD-1/PD-L1免疫疗法是最活跃的一种,但该疗法只对特定人群有效。PD-L1检测可以通过分析IHC图像筛选出目标人群,但现阶段的人工分析方法速度慢... 详细信息

人类与癌症的斗争已持续了数千年,近年来免疫疗法的出现为人类战胜癌症提供了有力的武器,其中PD-1/PD-L1免疫疗法是最活跃的一种,但该疗法只对特定人群有效。PD-L1检测可以通过分析IHC图像筛选出目标人群,但现阶段的人工分析方法速度慢且准确度不高。本课题同时使用传统图像分割算法和深度学习分割模型分别提取两种目标区域,并提出了一整套自动化流程完成该图像的自动判读,优化了该检测方法的分析流程,同时也将促进癌症免疫疗法的进一步发展。本课题的主要研究目标是从PD-L1染色图像中提取出浸润性癌以及PD-L1阳性细胞区域并计算二者比例,围绕这一目标课题探讨了PD-L1染色图像中腺体和阳性染色的分割方法以及阳性染色程度的量化分析。本课题开发的PD-L1免疫组化图像自动分析系统可以有效地辅助病理医生完成临床诊断。本课题的研究对象是乳腺癌患者组织的显微图像,本文完成的主要工作分为以下几个方面:(1)乳腺癌IHC图像中分割阳性产物的方法。在腺体分割结果中区分正常腺体和浸润性癌需要利用P63图像中的肌上皮细胞分割结果,得到浸润性癌位置后需要得到其中的PD-L1阳性细胞分割结果。本课题针对两种不同染色模式的免疫组化图像分别提出了对应的分割方案:在经过合适的预处理以及增强后,对于阳性染色较为集中且具有固定形态的P63图像,采用以区域生长为基础的分割算法;对于染色信息较为杂乱的SP142图像采用以染色信息为主,空间信息为辅的优化模糊C均值算法。最终得到两种阳性染色目标的分割结果。(2)乳腺癌IHC图像中分割腺体的方法。乳腺癌在其IHC图像中以腺体的形式存在,本课题采用先分割出腺体再利用P63图像辅助判断其是否属于浸润性癌的方案。本课题利用卷积神经网络来进行腺体分割,对比分析了u-net、PSPnet、Seg net以及Deeplab v3+等现有分割模型在本课题免疫组化图像上的表现,比较了不同裁剪尺寸对分割效果的影响,提出了合适的前处理染色标准化的方法,并设计了u-net优化模型并验证了其效果,最终将图像中的腺体分割出来。(3)PD-L1图像自动分析系统开发。该系统可以辅助完成浸润性癌获取、阳性染色目标分割及量化分析,并给出参考诊断结果。系统可以在分割出目标区域的同时分析其染色程度,并且可以人工调节染色强度阈值,更加灵活地分割出阳性染色目标,在利用图像处理技术辅助相关临床诊断的同时,也为该诊断方法的进一步探索和应用打下了基础。本课题的免疫组化图像自动分析系统的成功研制将实现对PD-L1染色图像的自动判读,并推动我国癌症免疫疗法相关检测技术继续向前发展,造福更多癌症患者。

关键词：免疫组化图像分割模糊C均值聚类算法 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于三维卷积神经网络的颅内动脉瘤检测方法研究

基于三维卷积神经网络的颅内动脉瘤检测方法研究

引用

作者：汤同宵山东科技大学

学位级别：硕士

颅内动脉瘤是一种严重威胁人类生命健康的血管类疾病，因其破裂带来的高致死率，已成为公共卫生保健难题。因此，颅内动脉瘤早期精准诊疗十分重要。目前临床上对颅内动脉瘤的筛查诊断主要通过放射科医生人工读片完成。但是，仅依靠人工... 详细信息

颅内动脉瘤是一种严重威胁人类生命健康的血管类疾病，因其破裂带来的高致死率，已成为公共卫生保健难题。因此，颅内动脉瘤早期精准诊疗十分重要。目前临床上对颅内动脉瘤的筛查诊断主要通过放射科医生人工读片完成。但是，仅依靠人工读片进行颅内动脉瘤诊断往往效率低，且容易出现漏诊或误诊。现有的颅内动脉瘤自动检测大多存在计算效率低，检测率不高等问题，并不能有效辅助医生诊断颅内动脉瘤。因此，针对颅内动脉瘤的自动检测方法本文进行了以下研究工作:　　(1)基于颅内动脉瘤的尺度特性，提出了一种三维多域u-net(3DMDu-net)模型。该模型根据颅内动脉瘤的尺寸将训练数据分为三个不同的域，然后通过深度可分离卷积学习三个域的相关性实现颅内动脉瘤的检测。在模型的学习过程中，加入残差连接模块与深度监督模块进一步优化模型。模型性能通过208例三维TOF-MRA数据进行了实验验证，结果表明3DMDu-net模型能有效的检出颅内动脉瘤，且在参数量和计算量上有优势。　　(2)为减少分割模型所受干扰，提出了一种基于FasterR-CNN的预定位方法。该方法通过对整个图像进行风险评估，在分割之前确定出颅内动脉瘤所在的大致区域，然后通过分割模型对得到的局部图像进行分割，实现对颅内动脉瘤进行精准检测。模型性能通过200例CTA图像进行了实验验证，结果表明预定位方法的加入有效的提升了分割模型的检测性能。另外，通过分析基于CTA和MRA两种图像的检测结果发现，模型基于CTA图像的检测性能更优。

关键词：颅内动脉瘤检测卷积神经网络 u-net模型深度可分离卷积

来源：评论

学校读者我要写书评

暂无评论

基于无人机图像和深度学习的稻穗检测方法研究

基于无人机图像和深度学习的稻穗检测方法研究

引用

作者：孙博腾四川农业大学

学位级别：硕士

水稻（Oryza Satiua L.）作为我国主要粮食作物之一,准确、快速识别水稻单位面积有效穗数是预测水稻产量的关键环节。计算机视觉技术和无人机技术的兴起为稻穗检测提供了有效的手段。针对于农业数据稀缺以及获取效率低,无人机（unmanned... 详细信息

水稻（Oryza Satiua L.）作为我国主要粮食作物之一,准确、快速识别水稻单位面积有效穗数是预测水稻产量的关键环节。计算机视觉技术和无人机技术的兴起为稻穗检测提供了有效的手段。针对于农业数据稀缺以及获取效率低,无人机（unmanned aerial vehicle,uAV）拍照技术提高了稻穗图像采集效率,对于快速高质量采集农业数据集提供了解决手段。相较于其他目标检测模型,YOLOV4（You Only Look Once Version 4）目标检测模型在检测速度与精度上有明显优势,为农业领域广泛应用。大田复杂环境下杂交籼稻弯曲型稻穗存在重叠、遮挡,且无人机图像中稻穗分布密集,YOLOV4的应用仍存在一些问题。因此本研究首先采集不同品种株高、穗高数据建立决策树模型对不同株型（叶盖穗、穗盖叶、中间型）进行判别。采集4个生态点不同品种杂交籼稻无人机图像,改进YOLOV4模型建立通用弯曲稻穗检测模型,提高复杂场景下模型稻穗检测能力,为稻穗产量预测和单位面积稻穗计数提供参考依据。主要研究结果如下:（1）株型分类模型:基于成都市大邑县、崇州市、自贡市富顺县收集多个水稻品种的株高、穗高指标,基于株高、穗高、比例（株高/穗高）、差值（株高-穗高）4个指标建立决策树模型,通过分类决策树方法找到叶盖穗、穗盖叶以及中间型的分类阈值,利用水稻品种的株高、穗高指标预测其株型类型。针对上述4种指标建立的判断株型的模型,模型精度达到96%。（2）稻穗检测模型优化:首先,引入MobilenetV2替代Darknet53作为YOLOV4的主干特征提取模块,基于无人机稻穗图像存在大量密集稻穗场景,在特征加强模块引入CBAM（Convolutional Block Attention Module）注意力机制,以提高特征提取时稻穗特征的权重。其次,利用Soft-NMS（Soft non-maximum suppression）代替NMS,解决稻穗重叠导致的模型计数精度降低问题。最后,利用Focal Loss代替原始YOLOV4中的二分类交叉熵损失（binary cross entropy,BCE）),减少重叠遮挡稻穗分类样本对模型精度影响。基于以上改进,建立了可应用于不同品种、不同生态点以及不同类型的通用稻穗检测计数模型。（3）模型检测效果:模型对于单幅608×608像素的稻穗图像检测率为44.46 FPS,该模型mAP、Recall和F1值分别达到90.32%、82.36%和0.89,相比较于原始YOLOV4算法,mAP、Recall、F1分别提升了6.2、16.24、0.12个百分点。单张稻穗图像检测速度提高了3 ms。改进模型在齐穗后7 d对于中间型、穗盖叶以及叶盖穗型稻穗计数的R2分别是0.84、0.89、0.92,三种类型稻穗计数结果RMSE分别为2.56、1.95、4.39,显著高于成熟期稻穗计数精度。对改进模型进行综合评估,该模型对三种类型稻穗的检测结果都较好。其中对于穗盖叶株型检测计数效果最优。采用旌优781不同施肥处理稻穗图像作为独立数据集验证改进模型精度。结果表明其中G-Black肥料处理下计数精度最差,精度为73.67%,普通肥料处理计数精度为91.52%,在6个不同肥料处理下模型平均计数精度为85.2%。表明建立同一时期不同类型水稻品种的稻穗识别通用模型是可行的。（4）模型应用最佳时期:为了验证模型在齐穗期后7 d检测效果最优,分别在齐穗期、齐穗后7 d、齐穗后14 d动态获取无人机图像,基于u-net模型对不同小区的稻穗图像进行分割,根据分割结果判断最佳时期和不同时期分散型稻穗对模型检测结果的影响。结果表明,基于三个时期建立的混合数据集训练稻穗分割模型,模型的mIou为71.54%。分割效果表明,齐穗期分散穗型和重叠粘连稻穗少于齐穗后14 d,但与齐穗后7 d相比,部分稻穗尺寸较小,综合而言,在齐穗后7 d建立稻穗检测模型是最合适的。

关键词：水稻 YOLOV4 稻穗检测无人机 u-net模型

来源：评论

学校读者我要写书评

暂无评论

煤矿井下传送带智能输煤检测的研究

煤矿井下传送带智能输煤检测的研究

引用

作者：成彦颖太原科技大学

学位级别：硕士

煤炭是我国重要的能源产业,支撑着经济社会发展。目前,由于煤炭需求的增加和传统的生产方式,经常造成能源的二次浪费、采煤率低和事故率高。特别是在用输送带输送煤炭的过程中,输送带空转造成的电能浪费、输送带上煤炭分布不均匀、长期... 详细信息

煤炭是我国重要的能源产业,支撑着经济社会发展。目前,由于煤炭需求的增加和传统的生产方式,经常造成能源的二次浪费、采煤率低和事故率高。特别是在用输送带输送煤炭的过程中,输送带空转造成的电能浪费、输送带上煤炭分布不均匀、长期超载运行对输送机造成了损坏,这仍然是煤矿企业面临的主要问题。如何通过传送带上的煤量多少去调控传送带的速度和启停,是目前煤矿企业需要解决的问题。本文依托煤矿电子监控系统,针对以上问题进行研究,主要创新点和算法原理及实验结果如下:1.提出了一种基于煤矿井下传送带空载检测的方法。算法的原理:为了节省井下传送带空载造成的电能损耗,本文提出了一种边缘结构相似算法和YOLOv3结合的传送带空载检测方法。通过边缘结构相似算法将结构特征和边缘特征相融合,每相邻10帧比较图片的相似度,连续比较3次判断传送带的运行状态。若传送带运行,则运用自适应锚框机制的YOLOv3模型,检测传送带上的煤量,最后判断传送带是否空载。实验结果表明,该方法可以有效准确的判断传送带的空载状态,检测准确率达到95.8%。2.提出了一种基于Res2-unet的传送带煤量检测方法。算法的原理:通过Res2-unet模型来获得显著性信息,融合灰度、纹理、边缘等特征到单一的网络中,实现了传送带煤量的检测。最后以传送带煤量图像的像素面积、长宽比和灰度值等特征量作为模型的输入量建立SVM模型对煤量分类。实验结果表明,各种煤的分类准确率都在93%以上,能够更准确的进行煤量分类,验证了模型对于煤量分类的有效性。3.开发了一个煤矿井下传送带智能输煤系统。本文设计完成的智能输煤系统,在MATLAB软件中实现,通过构建软件界面架构图和功能文件的绑定,调用相应的检测算法,从而实现煤矿井下传送带煤量检测。该系统大大方便了对煤量检测的操作管理。

关键词：传送带空载煤量检测 YOLOv3目标检测自适应锚框机制边缘结构相似算法 Res2net网络 u-net模型 Res2-unet模型

来源：评论

学校读者我要写书评

暂无评论

基于注意力机制的目标检测与语义分割应用研究

基于注意力机制的目标检测与语义分割应用研究

引用

作者：王榆锋江西理工大学

学位级别：硕士

近年来,图像的目标检测与语义分割作为计算机视觉领域发展的基石,对图像理解分析起着至关重要的作用。目标检测主要关注的是图像中需要识别的物体类别信息,并标注出这些类别物体所在空间位置;而语义分割是指在图像的像素层面对目标物体... 详细信息

近年来,图像的目标检测与语义分割作为计算机视觉领域发展的基石,对图像理解分析起着至关重要的作用。目标检测主要关注的是图像中需要识别的物体类别信息,并标注出这些类别物体所在空间位置;而语义分割是指在图像的像素层面对目标物体实现分类,不仅要明确物体的类别、位置还要区分各个物体之间具体的形态信息。这两种方法在工业图像检测领域都具有十分优秀的应用前景。基于此,本文针对医学图像的血细胞检测与遥感图像的云检测任务中存在的检测精度与速率不匹配的问题,结合现有的基于深度学习算法的研究现状以及相关改进技术的发展历程,完成了以下两个方面的应用研究:(1)在血细胞检测应用中,针对各类检测方法应用于血细胞检测时速度与精度不兼容的问题,本文提出了一种基于注意力机制的血细胞检测模型。该模型以YOLO模型为框架,使用Dark net-53作为骨干网络,并在其中加入多尺度残差增强模块,提高对网络特征信息的利用率;同时设计一种注意力门控插件嵌入模型,用于融合更多高质量的上下层语义特征信息,以大幅度提高检测准确率;最后,针对小目标检测能力不足的问题,采用基于Focal loss的改进损失函数,通过为正负样本加上权重值,使模型在训练过程中更专注于难以分类的样本,进而解决样本类别不均衡的问题。(2)在云检测应用中,针对u型编码器-解码器的网络结构在云检测任务中综合性能不佳的问题,本文提出了一种基于注意力机制的云检测模型。该模型采用跳跃连接编码端浅层和中层信息的新u型编码器-解码器结构,并在编码端嵌入由分组卷积与注意力机制组成的优化模块,同时构建上下文语义融合连接,连接编码端与解码端相应的上下层。实验表明,该模型在分割精度与模型参数方面均取得更优异的结果。

关键词：目标检测语义分割注意力机制 YOLO算法 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的隧道环缝识别算法及验证方法研究

基于深度学习的隧道环缝识别算法及验证方法研究

引用

作者：倪世昊绍兴文理学院

学位级别：硕士

近年来,国内地铁隧道建设持续推进,在建和运营隧道里程总数激增,与之同时隧道监测工作更加受到重视和关注。人工直接测量作为隧道监测的主要方式,其存在测量效率低、人工成本高、误差不稳定、环境恶劣等缺点,无法满足我国的隧道监测的... 详细信息

近年来,国内地铁隧道建设持续推进,在建和运营隧道里程总数激增,与之同时隧道监测工作更加受到重视和关注。人工直接测量作为隧道监测的主要方式,其存在测量效率低、人工成本高、误差不稳定、环境恶劣等缺点,无法满足我国的隧道监测的任务要求。采用三维激光扫描技术代替人工进行作业,提高了作业效率的同时,也暴露出许多问题,并达不到预期的效果,问题主要集中于准确性和算法效率上。本文提出基于深度学习的隧道环缝识别算法,用以提高隧道环缝图像的识别准确率和效率。本文对u-net网络进行研究,结合隧道环缝图像的特点,引入了密集连接结构和BN层,解决了u-net网络在实际工程中分割能力不足的问题。其次,结合语义分割模型识别结果和点云阈值识别结果,提出“点云神经网络互校法”,能够有效提高系统环缝自动识别率。本文的主要工作如下。(1)经典u-net分割网络对隧道图像的分割效果并不理想。针对此问题,本研究基于经典u-net网络模型,使用密集连接卷积模块,构建了解码-编码网络模型。在u-net的卷积模块中引入密集连接,从而提高特征的传递能力及其利用率。其次,为了减少梯度消失的问题,在所有卷积层后面加入了批标准化层,以此来调整网络层的数据分布。(2)构建改进后的u-net网络模型。将经典u-net模型和改进后的模型在验证集和测试集上进行对比实验。实验经分割结果和各项评价指标显示,密集连接和BN层的引入,提升了u-net模型的分割准确率,增强了网络层中数据传递的有效性。(3)点云神经网络互校法。将单独使用点云阈值识别、改进后的u-net网络和点云神经网络互校法进行对照试验。实验结果显示,在实际工程中,点云神经网络互校法能够大幅提高系统的工作效率和准确率。(4)隧道分管片椭圆拟合。盾构隧道每环均是由多个管片拼接而来,用一个椭圆模型来描述隧道断面显然不合理。本文在椭圆拟合的基础上,采用旋转平移法拟合隧道断面,计算隧道收敛值。(5)经过隧道现场人工测量验证,本文改进的u-net模型和“点云神经网络互校法”,有较好的识别效率,能够准确地识别出环缝的位置,在工作效率远高于传统点云识别,可以基本满足工程应用要求。

关键词：隧道监测深度学习 u-net模型

来源：评论

学校读者我要写书评

暂无评论

没有更多数据了...

全选清除本页清除全部题录导出标记到“检索档案”

共17页 << < 8 9 10 11 12 13 14 15 16 17 > >>

检索报告对象比较合并检索0

隐藏清空

合并搜索

回到顶部

执行限定条件

内容：

评分：

请选择保存的检索档案：

请选择收藏分类：

订阅名称：

通借通还

温馨提示：

图书名称：

借书校区：

取书校区：

手机号码：

邮箱地址：

一卡通帐号：

电话和邮箱必须正确填写，我们会与您联系确认。

联系人：

所在院系：

联系邮箱：

联系电话：

内蒙古自治区呼和浩特市赛罕区大学西街235号邮编: 010021

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：