检索结果-内蒙古大学图书馆

遥感信息 2020年第5期35卷 119-126页

作者：胡敏况润元陈增辉刘静江西理工大学江西赣州341000

基于影像自动提取建筑物轮廓是遥感领域在现代化城市建设中长期存在的问题。为了充分利用高分辨率遥感影像中建筑物的全局和局部信息以更精确地对建筑物进行分割和提取,提出了基于全卷积神经网络的针对边界约束的校正神经网络模型。该... 详细信息

基于影像自动提取建筑物轮廓是遥感领域在现代化城市建设中长期存在的问题。为了充分利用高分辨率遥感影像中建筑物的全局和局部信息以更精确地对建筑物进行分割和提取,提出了基于全卷积神经网络的针对边界约束的校正神经网络模型。该模型由共享后端和多任务预测模型组成,利用修改的u-net和多任务框架,根据共享后端的一致特征生成分割图预测和轮廓构建。模型通过对边界信息的限制和规定,提高性能。在建筑物数据库上的实验表明,边界校正网络模型在建筑物分割和轮廓提取的结果精度均在89%以上,优于传统的u-net模型结果。

关键词：全卷积神经网络建筑物提取图像分割轮廓提取 u-net模型

来源：评论

学校读者我要写书评

暂无评论

基于HR-net改进模型对地震数据智能解释的实现方法研究

基于HR-Net改进模型对地震数据智能解释的实现方法研究

引用

2023油气田勘探与开发国际会议(2023IFEDC)

作者：苗和平纪思奇卜灿灿山东英才学院中国石化地球物理重点实验室

基于人工智能领域中图像识别理论，可以把某类地震图中感兴趣的“甜点”区域处理为标注了有价值特征的地震图。如：含有油气储层、矿物脉络、危险点(水层、石膏点等)的地震图。在使用深度学习算法模型进行有监督的训练学习，并且训练出... 详细信息

基于人工智能领域中图像识别理论，可以把某类地震图中感兴趣的“甜点”区域处理为标注了有价值特征的地震图。如：含有油气储层、矿物脉络、危险点(水层、石膏点等)的地震图。在使用深度学习算法模型进行有监督的训练学习，并且训练出理想的识别模型之后，可以利用识别模型，对新勘探区地震图数据，进行“甜点”区域的预测。本文首先应用u-net模型、HR-net模型和HR-net改进型模型，对我国某勘探区数据和北海F3数据进行了模型训练，得到了识别模型;然后又应用识别模型的未知区域分别进行了“甜点”区预测，并对预测结果进行了比较分析;最后把数据预处理模块、算法成熟模块和结果展示模块，共同进行了匹配测试封装，形成了“AiOilBox地震图智能解释软件”供现场应用。本文的成果，对推动深度学习算法，在我国石油工业领域中的应用，具有现实指导意义。

关键词：地震数据智能解释深度学习 u-net模型 HR-net改进模型人工智能软件

来源：评论

学校读者我要写书评

暂无评论

基于HR-net改进模型对地震数据智能解释的实现方法研究

基于HR-Net改进模型对地震数据智能解释的实现方法研究

引用

2023油气田勘探与开发国际会议

作者：苗和平纪思奇卜灿灿山东英才学院中国石化地球物理重点实验室

基于人工智能领域中图像识别理论,可以把某类地震图中感兴趣的"甜点"区域处理为标注了有价值特征的地震图。如:含有油气储层、矿物脉络、危险点(水层、石膏点等)的地震图。在使用深度学习算法模型进行有监督的训练学习,并且... 详细信息

基于人工智能领域中图像识别理论,可以把某类地震图中感兴趣的"甜点"区域处理为标注了有价值特征的地震图。如:含有油气储层、矿物脉络、危险点(水层、石膏点等)的地震图。在使用深度学习算法模型进行有监督的训练学习,并且训练出理想的识别模型之后,可以利用识别模型,对新勘探区地震图数据,进行"甜点"区域的预测。本文首先应用u-net模型、HR-net模型和HR-net改进型模型,对我国某勘探区数据和北海F3数据进行了模型训练,得到了识别模型;然后又应用识别模型的未知区域分别进行了"甜点"区预测,并对预测结果进行了比较分析;最后把数据预处理模块、算法成熟模块和结果展示模块,共同进行了匹配测试封装,形成了"AiOilBox地震图智能解释软件"供现场应用。本文的成果,对推动深度学习算法,在我国石油工业领域中的应用,具有现实指导意义。

关键词：地震数据智能解释深度学习 u-net模型 HR-net改进模型人工智能软件

来源：评论

学校读者我要写书评

暂无评论

基于u-net的国产高分卫星影像海水养殖区分类提取方法

引用

海洋环境科学 2023年第3期42卷 471-482页

作者：刘继鹏王常颖初佳兰青岛大学计算机科学与技术学院山东青岛266071 国家海洋环境监测中心辽宁大连116023

针对海水养殖区具有类型多样(筏式养殖、围海养殖、网箱养殖等)、差异较小和难以实现高精度分类提取的问题,本文将空洞金字塔卷积模块与u-net神经网络模型融合,提出一种适用于海水养殖区的多分类提取方法。首先,采用变差函数分析方法发... 详细信息

针对海水养殖区具有类型多样(筏式养殖、围海养殖、网箱养殖等)、差异较小和难以实现高精度分类提取的问题,本文将空洞金字塔卷积模块与u-net神经网络模型融合,提出一种适用于海水养殖区的多分类提取方法。首先,采用变差函数分析方法发现不同类别的海水养殖区的变差函数波形与基台值的差异;其次,定义一种相仿于变差函数搜索域的不同扩张率空洞卷积并联的卷积结构,用其替换u-net模型中普通卷积结构,构建ASP-u-net模型;最后,为验证采用ASP-u-net模型的海水养殖区分类提取能力,选取7景我国高分1/2号卫星影像为数据源,相较于经典FCN、Segnet、Pspnet和经典unet模型,ASP-u-net模型对海洋养殖区的分类提取在多种指标下均最优,这说明使用提出的卷积结构能够有效扩大感受野,更适合于多类海水养殖区的特征表达。

关键词： u-net模型空洞空间金字塔变差函数高分辨率海水养殖区

来源：评论

学校读者我要写书评

暂无评论

基于多尺度特征融合的u-net网络高分影像不透水面提取研究

引用

遥感技术与应用 2022年第4期37卷 811-819页

作者：王晶高帅郭亮汪云中国地质大学地球科学与资源学院北京100083 中国科学院空天信息创新研究院北京100094 广州市城市规划勘测设计研究院广东广州510060 广东省城市感知与监测预警企业重点实验室广东广州510060 北京林业大学园林学院北京100083

不透水面作为监测城市生态环境的重要指标,其信息提取具有重要意义。由于城市地表的复杂性及细化的城市管理需要,急需提取高精度的城市不透水面。但是基于传统方法提取高精度的城市不透水面面临巨大困难。而深度学习方法因其自动化提取... 详细信息

不透水面作为监测城市生态环境的重要指标,其信息提取具有重要意义。由于城市地表的复杂性及细化的城市管理需要,急需提取高精度的城市不透水面。但是基于传统方法提取高精度的城市不透水面面临巨大困难。而深度学习方法因其自动化提取影像特征的特点逐渐成为遥感影像地物提取的新兴方法。基于此,采用多尺度特征融合的u-net深度学习方法以提升语义分割精度,开展高分辨率遥感影像不透水面的精确提取研究。模型引入残差模块代替普通卷积以加深网络,提取更多影像特征;加入金字塔池化模块增强网络对复杂场景的解析能力;利用跳跃连接方式融合不同尺度特征,有利于恢复空间信息。以广州市航摄正射影像为数据源,通过卷积神经网络将遥感影像分割为背景、其他、植被、道路和房屋5种地物类型,将其与人工目视解译的地面真值进行验证,最终提取研究区域不透水面。实验证明:多尺度特征融合的u-net模型总体精度和Kappa系数分别为87.596%和0.82。在定性与定量两个方面均优于传统的监督分类法、面向对象分类法和经典u-net模型法。结果表明:该模型利用多维度影像特征信息,有效提升了复杂场景图像的分割精度,分割效果好,适用于高分辨率遥感影像不透水面提取,该研究成果可为城市环境监测提供数据支撑。

关键词：不透水面 u-net模型残差模块金字塔池化模块高分辨率遥感

来源：评论

学校读者我要写书评

暂无评论

基于空间自适应和混合损失对抗网络的乳腺肿块图像分割方法

引用

云南大学学报（自然科学版） 2022年第2期44卷 271-280页

作者：刘东陈境宇王生生湘南学院医学影像人工智能湖南省重点实验室湖南郴州423300 湘南学院计算机与人工智能学院湖南郴州423300 吉林大学符号计算与知识工程教育部重点实验室吉林长春130012 吉林大学计算机科学与技术学院吉林长春130012

在乳腺癌筛查的计算机辅助诊断过程中,乳腺肿块的精确分割至关重要.然而,乳腺肿块在X光成像中与背景灰度接近、形状不规则,使得精确分割面临很大挑战.为进一步提升分割性能,提出一种基于空间自适应和混合损失对抗网络的乳腺肿块分割新方... 详细信息

在乳腺癌筛查的计算机辅助诊断过程中,乳腺肿块的精确分割至关重要.然而,乳腺肿块在X光成像中与背景灰度接近、形状不规则,使得精确分割面临很大挑战.为进一步提升分割性能,提出一种基于空间自适应和混合损失对抗网络的乳腺肿块分割新方法.首先,提出可分离卷积u-net模型作为对抗网络中的生成器,以减少参数量和计算量;然后,在判别网络中添加空间自适应归一化层来获取分割掩码中蕴含的语义信息;最后,综合考虑类别不平衡、语义一致性等因素的影响,提出一种融合对抗损失、分割损失和感知损失的混合损失函数以提升模型学习效果.实验结果表明,新方法在INbreast和CBIS-DDSM两个乳腺分割公开数据集中分别取得99.35%和99.72%的准确率,以及81.27%和82.01%的集合相似度,获得优于现有方法的分割性能.

关键词：乳腺肿块分割 u-net模型深度学习生成对抗网络医学辅助诊断

来源：评论

学校读者我要写书评

暂无评论

基于u-net卷积神经网络的广东省海水养殖区识别及其时空变化遥感监测

引用

自然资源遥感 2022年第4期34卷 33-41页

作者：苏玮林阳阳岳文陈颖彪广东省土地调查规划院广州511453 广州大学地理科学与遥感学院广州510006

海水养殖业在广东省海洋经济中占据重要地位,及时准确地掌握海水养殖区的空间分布及面积变化趋势,对海水养殖业的可持续发展具有重要的促进作用。相较于传统解译方法存在可重复性差、适用范围小、主观随意性强等问题,深度学习网络模型中... 详细信息

海水养殖业在广东省海洋经济中占据重要地位,及时准确地掌握海水养殖区的空间分布及面积变化趋势,对海水养殖业的可持续发展具有重要的促进作用。相较于传统解译方法存在可重复性差、适用范围小、主观随意性强等问题,深度学习网络模型中的u-net卷积神经网络能够更好地从遥感影像中提取目标特征,具有更高的提取精度。鉴于此,基于多时相Landsat TM/OLI遥感影像,选用u-net模型作为解译模型,识别1998—2021年广东省海水养殖区(围海养殖区及开放式网箱养殖区),开展海水养殖区面积趋势性分析,并探究海水养殖区在空间分布格局上的变化特征。结果表明:相较于K-Means聚类分析和深度信念网络等网络模型,u-net模型更加适用于对广东省海水养殖区的解译,具有更高的解译精度;广东省海水养殖区主要集中分布在湛江、江门和阳江等广东省西侧区域;广东省各区域海水养殖区面积可分为3个梯队,且变化幅度较小,保持相对稳定状态;广东省海水养殖区在空间上呈现出1998—2014年向外扩张、2014—2021年向内收缩的趋势。本研究能够为广东省海水养殖区的科学管理提供数据支持和技术支撑。

关键词：海水养殖区遥感深度学习 u-net模型广东省

来源：评论

学校读者我要写书评

暂无评论

基于u-net神经网络的声波测井曲线重构

引用

中国海洋大学学报（自然科学版） 2023年第8期53卷 86-92,103页

作者：李枫林刘怀山杨熙镭赵明鑫杨宸张罗成中国海洋大学海洋地球科学学院山东青岛266100 中国海洋大学海底科学与探测技术教育部重点实验室山东青岛266100

本文提出了一种基于u-net神经网络的声波测井曲线重构方法。通过编码器提取自然伽马(GR)、密度(RHOB)等测井曲线的数据特征,利用解码器建立数据特征与声波测井曲线之间的映射关系,实现了声波测井曲线的精准重构。实验结果表明,该方法在... 详细信息

本文提出了一种基于u-net神经网络的声波测井曲线重构方法。通过编码器提取自然伽马(GR)、密度(RHOB)等测井曲线的数据特征,利用解码器建立数据特征与声波测井曲线之间的映射关系,实现了声波测井曲线的精准重构。实验结果表明,该方法在保留原始声波测井低频信息的基础上,兼顾了输入测井曲线的高频特征,实现了对原始声波测井泥岩层段数据噪音的有效压制,在渤中凹陷东南环测井数据重构中取得了良好的效果,验证了该方法较高的精度和实用性。

关键词：声波测井曲线测井曲线重构 u-net模型深度学习卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

基于多特征u-net网络的工程活动图斑快速识别

引用

测绘通报 2021年第12期 75-76,77,78页

作者：黄磊陈尔东昊重庆市勘测院重庆401121

为有效监测具有填挖、采剥等行为的工程活动情况,本文提出了一种用于像素级露天工程活动图斑提取的遥感多特征语义分割模型。该模型以高分二号(GF-2)光学遥感影像为数据源,采用u-net深度神经网络架构,通过人工标注构建了反映露天工程活... 详细信息

为有效监测具有填挖、采剥等行为的工程活动情况,本文提出了一种用于像素级露天工程活动图斑提取的遥感多特征语义分割模型。该模型以高分二号(GF-2)光学遥感影像为数据源,采用u-net深度神经网络架构,通过人工标注构建了反映露天工程活动的影像样本集,并提取样本的多维特征投入模型进行训练,从而实现了工程活动图斑的快速识别。试验结果显示,本文方法对露天工程活动图斑的总体识别精度可达87.36%,平均精度达86.78%,优于KNN、SVM两种传统分割方法,为工程活动自动化监管提供了技术参考。

关键词：光学遥感影像多维特征 u-net模型深度学习露天工程活动

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臂丛神经超声图像分割方法

引用

合肥工业大学学报（自然科学版） 2018年第9期41卷 1191-1195,1296页

作者：龙法宁朱晓姝甘井中玉林师范学院计算机科学与工程学院广西玉林537000 玉林师范学院广西高校复杂系统优化与大数据处理重点实验室广西玉林537000

近几年卷积神经网络(convolutional neural network,CNN)在图像处理、语音识别、自然语言处理以及信息检索等领域得到广泛应用,颈部臂丛神经超声图像具有较低的信噪比、较低的对比度、模糊的边缘,其分割是一项富有挑战性的工作。文章针... 详细信息

近几年卷积神经网络(convolutional neural network,CNN)在图像处理、语音识别、自然语言处理以及信息检索等领域得到广泛应用,颈部臂丛神经超声图像具有较低的信噪比、较低的对比度、模糊的边缘,其分割是一项富有挑战性的工作。文章针对目前臂丛神经超声图像手工标注的训练样本较少的情况,对u-net模型进行改进,构建了一个适用于臂丛神经分割的卷积神经网络模型Qu-net,并选择BP图像数据库进行训练、测试。实验结果表明,与主流神经卷积网络分割算法Segnet、u-net相比,Qu-net的图像分割结果具有更高的准确性。

关键词：臂丛神经图像分割卷积神经网络(CNN) 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

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：