检索结果-内蒙古大学图书馆

地球物理学报 2023年第3期66卷 1192-1204页

作者：盛同杰赵惊涛彭苏萍中国矿业大学(北京)地球科学与测绘工程北京100083 煤炭资源与安全开采国家重点实验室北京100083

绕射波携带大量小尺度非均匀地质体信息,对于提高地震勘探分辨率具有重要意义.绕射波能量远小于反射波,在地震记录中常被强反射波掩盖,因此分离并单独成像绕射波,为探测小尺度非均匀地质体的关键问题.传统绕射波分离方法受限于理论模型... 详细信息

绕射波携带大量小尺度非均匀地质体信息,对于提高地震勘探分辨率具有重要意义.绕射波能量远小于反射波,在地震记录中常被强反射波掩盖,因此分离并单独成像绕射波,为探测小尺度非均匀地质体的关键问题.传统绕射波分离方法受限于理论模型假设,对陡倾角反射波去除效果不佳,且易对绕射波造成损伤.基于经典编码-解码框架下的u-net网络和注意力机制,本文提出了一种绕射波智能分离方法,通过编码器自动提取地震数据中的绕射波特征,再由解码器恢复绕射波,从而隐性去除反射波.该方法作为端到端的机器学习,训练后的u-net网络可自适应地分离绕射波.本文通过数值模拟数据与实际数据构建训练数据集,利用训练后的u-net网络分离绕射波,并将结果偏移成像.数值模型测试和实际资料应用表明,融合了注意力机制的u-net网络能够有效压制反射波能量,保留绕射波动力学特征,克服了传统绕射波分离方法难以去除陡倾角反射的局限性,其提取的绕射波弱信号特征较为完整,能够进一步提高地震成像分辨率,在小尺度断裂刻画上具有优势.

关键词： u-net网络注意力机制绕射波分离绕射波成像

来源：评论

学校读者我要写书评

暂无评论

基于双注意力u-net网络的提高地震分辨率方法

引用

石油地球物理勘探 2023年第3期58卷 507-517页

作者：李学贵周英杰董宏丽吴钧徐刚王如意东北石油大学人工智能能源研究院黑龙江大庆163318 东北石油大学计算机与信息技术学院黑龙江大庆163318 黑龙江省石油大数据与智能分析重点实验室黑龙江大庆163318 大庆油田勘探开发研究院黑龙江大庆163712 东方地球物理公司新兴物探开发处河北涿州072751 中国石油集团工程技术研究院有限公司北京102206

提高地震数据分辨率的传统方法,如反褶积、Q补偿等,受到子波为最小相位、反射系数为白噪声等假定条件的限制且需要求取复杂参数,不便于实际应用。深度学习方法使用数据驱动的方式可以自适应地刻画输入与目标间的关系,具备良好的自主学... 详细信息

提高地震数据分辨率的传统方法,如反褶积、Q补偿等,受到子波为最小相位、反射系数为白噪声等假定条件的限制且需要求取复杂参数,不便于实际应用。深度学习方法使用数据驱动的方式可以自适应地刻画输入与目标间的关系,具备良好的自主学习能力,但目前基于深度学习提高地震数据分辨率的方法对注意力信息的利用不够全面。因此,提出一种基于双注意力u-net网络的提高地震数据分辨率方法。首先,在原始u-net网络中加入改进的通道注意力模块、空间注意力模块和级联残差模块,不仅可以快速学习高、低分辨率数据间的映射关系,还能够合理分配不同通道和空间的权重、充分利用数据间的相关性;然后,使用L1损失和多尺度结构相似性指数损失的组合作为损失函数,提高模型对局部信息变化的敏感度,便于恢复细节信息。模拟数据和实际数据的测试结果表明,该方法提升了地震数据的主频,增加了频带宽度,同相轴变得更清晰,细节纹理信息更丰富,有效提高了地震数据的分辨率。

关键词：提高分辨率深度学习 u-net网络注意力机制残差块

来源：评论

学校读者我要写书评

暂无评论

基于改进u-net网络的树种精细分类

引用

激光与光电子学进展 2025年第2期62卷 299-308页

作者：蔡玉林高洪振范晓乐徐慧宇刘正军张赓山东科技大学测绘与空间信息学院山东青岛266590 中国测绘科学研究院北京100036

通过改进现有的深度学习网络,提出了一种结合机载高分辨率的高光谱数据和激光雷达数据的树种精细分类新方法。首先,对不同数据源进行特征提取和融合;然后,在u-net网络的基础上,通过增加通道注意力机制模块,自适应地调整不同特征的权重,... 详细信息

通过改进现有的深度学习网络,提出了一种结合机载高分辨率的高光谱数据和激光雷达数据的树种精细分类新方法。首先,对不同数据源进行特征提取和融合;然后,在u-net网络的基础上,通过增加通道注意力机制模块,自适应地调整不同特征的权重,构建了CA-u-net分类网络;最后,通过修改CA-u-net以适应样本不平衡的分类情况,尝试解决小样本物种识别精度低的问题。研究结果表明:(1)CA-u-net网络表现良好,总体分类准确率达到96.80%,与FCN、Segnet和u-net等网络相比,其分类准确率分别提高了8.56、11.99、3.31百分点,而且收敛速度更快;(2)采用基于类样本量平衡的交叉熵损失函数替换CA-u-net网络中的原始损失函数,可以提高样本量较少的树种的分类精度。所提方法对于小尺度的林业应用,例如果园管理、城市森林调查以及森林多样性调查等具有重要参考价值。

关键词：无人机高光谱数据激光雷达数据深度学习 u-net网络注意力机制树种分类

来源：评论

学校读者我要写书评

暂无评论

改进的u-net网络小断层识别技术在玛湖凹陷玛中地区三叠系白碱滩组的应用

引用

岩性油气藏 2024年第3期36卷 40-49页

作者：宋志华李垒雷德文张鑫凌勋中国石油新疆油田公司勘探事业部新疆克拉玛依834000 成都理工大学地球物理学院成都610059

利用改进的u-net网络小断层识别技术,对准噶尔盆地玛湖凹陷玛中地区三叠系白碱滩组的小断层进行了识别。研究结果表明:(1)构造导向滤波预处理能有效改善地震资料的品质,提高断层识别的准确率。加入了跳跃连接和中继监督、正态标准化和... 详细信息

利用改进的u-net网络小断层识别技术,对准噶尔盆地玛湖凹陷玛中地区三叠系白碱滩组的小断层进行了识别。研究结果表明:(1)构造导向滤波预处理能有效改善地震资料的品质,提高断层识别的准确率。加入了跳跃连接和中继监督、正态标准化和聚焦均方损失函数的u-net网络方法,对小断层的精细识别能力有所提升。(2)使用200组训练样本集和20组验证样本集,模型地震数据由反射系数与雷克子波褶积生成,断层由人工标注而成。选取最优的网络模型参数,并在合成的含噪地震数据上分别利用相干属性、常规u-net网络方法及改进的u-net网络方法进行测试,构造导向滤波有效突出了断层的边界,且增强了同相轴的横向连续性,改进后的u-net网络方法对于7 m以上断距的断层可进行有效识别。(3)对于玛湖凹陷玛中地区三叠系白碱滩组高角度走滑断裂和伴生小断距次级断裂的识别,改进后的u-net网络方法的识别精度明显高于相干属性和常规u-net网络方法,研究区大侏罗沟断裂北翼的(3)号与(4)号砂体,是拓展MZ4井区三叠系白碱滩组高效勘探的有利区。

关键词： u-net网络断层识别高角度走滑断裂伴生小断距次级断裂正态标准化聚焦均方损失函数白碱滩组三叠系玛湖凹陷

来源：评论

学校读者我要写书评

暂无评论

基于u-net网络的柱面透镜视觉定位策略

引用

中国机械工程 2023年第5期34卷 505-514页

作者：陈逢军吕继阳胡天梁小生湖南大学机械与运载工程学院长沙410082 湖南艾凯瑞斯智能科技有限公司长沙410205 湖南戴斯光电有限公司长沙410600

针对柱面透镜定位在摆盘工艺过程中产品良率低、生产作业时间长的问题,研究了一种基于u-net网络的柱面透镜视觉定位策略。该策略结合柱面透镜摆盘工艺及特点,开发了柱面透镜视觉摆盘系统。将Blob分析和模板匹配作为前期视觉定位方法,通... 详细信息

针对柱面透镜定位在摆盘工艺过程中产品良率低、生产作业时间长的问题,研究了一种基于u-net网络的柱面透镜视觉定位策略。该策略结合柱面透镜摆盘工艺及特点,开发了柱面透镜视觉摆盘系统。将Blob分析和模板匹配作为前期视觉定位方法,通过高精度匹配获取工件点位信息以生成分割图对采集的原图进行标注,选取损失值最优的学习率对u-net网络进行模型训练,以实现实际工件的分割定位。经过u-net网络与高精度模板匹配针对不同型号的工件定位对比发现,相较于高精度模板匹配,u-net网络可实现亚像素级别的定位误差。实践应用结果表明,该柱面透镜视觉摆盘系统视觉定位精度高,具有较强的产品适应能力,产品偏心合格率可达96%以上,满足工业摆盘任务要求。

关键词： u-net网络柱面透镜视觉定位摆盘系统

来源：评论

学校读者我要写书评

暂无评论

基于u-net、u-net++和Attention-u-net网络的遥感影像水体提取

引用

测绘通报 2024年第8期 26-30页

作者：李振轩黄敏儿高飞陶庭叶吴兆福朱勇超合肥工业大学土木与水利工程学院安徽合肥230009

目前,深度学习在高分辨率遥感影像水体提取方面的应用已成为遥感领域的研究热点。其中基于u-net网络的算法在水体提取中表现出较好的性能,但鲜有研究对不同u-net网络算法在水体提取任务中的性能差异进行深入比较。因此,本文选择u-net、u... 详细信息

目前,深度学习在高分辨率遥感影像水体提取方面的应用已成为遥感领域的研究热点。其中基于u-net网络的算法在水体提取中表现出较好的性能,但鲜有研究对不同u-net网络算法在水体提取任务中的性能差异进行深入比较。因此,本文选择u-net、u-net++和Attention-u-net 3种卷积神经网络,基于GID数据集,进行试验与定量分析。结果表明:u-net++的训练精度最高,其次为u-net、Attention-u-net,三者分别为0.912、0.907、0.899;u-net++的边缘提取能力优于其他两种网络;在分割不同类型水体和区分遥感影像中与水体区域相似的非水体区域上,u-net++的提取效果显著,u-net和Attention-u-net易出现漏提现象,效果欠佳。

关键词：水体提取高分辨率遥感影像 u-net网络

来源：评论

学校读者我要写书评

暂无评论

基于u-net网络与卡尔曼滤波的瞳孔检测跟踪算法

引用

现代电子技术 2025年第9期48卷 137-142页

作者：张国静王桂祥杭州电子科技大学信息工程学院文理学院浙江杭州311305

眼动跟踪是人机交互(HCI)及其应用的重要技术之一,越来越受到人们的重视。然而,在实际情况下往往受到大量非高斯噪声的影响,如不可控的光照、人眼的遮挡及连续的人眼移动等,这会导致瞳孔检测实时性和准确性的下降。因此,文中设计了一种... 详细信息

眼动跟踪是人机交互(HCI)及其应用的重要技术之一,越来越受到人们的重视。然而,在实际情况下往往受到大量非高斯噪声的影响,如不可控的光照、人眼的遮挡及连续的人眼移动等,这会导致瞳孔检测实时性和准确性的下降。因此,文中设计了一种基于u-net语义分割网络的瞳孔检测方法。首先,利用该方法对瞳孔区域进行分割;然后对分割的瞳孔区域处理,确定其质心位置,达到瞳孔中心定位的目的;最后,又提出了一种改进的卡尔曼滤波器的稳态增益,通过在卡尔曼增益上引入分数阶反馈环路来实现,并利用改进的卡尔曼滤波器对瞳孔位置进行跟踪,消除非高斯噪声,可以大大提高瞳孔在线稳定检测的准确性。实验结果表明,所提方法能够实时跟踪人眼,具有较高的精确度和鲁棒性,且最佳均方根误差(RMSE)可达到0.78。

关键词：眼动跟踪人机交互非高斯噪声 u-net网络语义分割瞳孔检测分数阶卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

采用改进u-net网络的机收大豆质量在线检测

引用

农业工程学报 2022年第16期38卷 70-80页

作者：金诚谦刘士坤陈满杨腾祥徐金山农业农村部南京农业机械化研究所南京210014 安徽农业大学工学院合肥230036

破碎率、含杂率是评价大豆联合收获机的重要作业性能指标,破碎率、含杂率实时数据是实现大豆联合收获机智能化调控的基础。为了实现大豆机械收获过程破碎率、含杂率的在线检测,该研究提出了基于改进u-net网络的机收大豆破碎率、含杂率... 详细信息

破碎率、含杂率是评价大豆联合收获机的重要作业性能指标,破碎率、含杂率实时数据是实现大豆联合收获机智能化调控的基础。为了实现大豆机械收获过程破碎率、含杂率的在线检测,该研究提出了基于改进u-net网络的机收大豆破碎率、含杂率在线检测方法。以大豆联合收获机实时收获的大豆图像为对象,使用开源标注软件Labemel对数据集进行标注,构建基础数据集。针对大豆图像粘连、堆叠、语义信息复杂等问题,以u-net为基础网络结构,结合VGG16网络并在各激活层(Rectified Linear unit,ReLu)前引入批归一化层(Batch Normalization,BN)防止过拟合;在编码器中提取的特征图后面添加卷积块注意力模块(Convolutional Block Attention Module,CBAM)抑制无关区域的激活,减少冗余部分;采用最近邻插值法的上采样替换解码器中转置卷积,避免转置卷积引起的棋盘效应。试验结果表明:改进u-net网络能有效地将图像中完整大豆籽粒、破碎籽粒和杂质进行识别分类,完整籽粒识别分类综合评价指标值为95.50%,破碎籽粒识别分类综合评价指标值为91.88%,杂质识别分类综合评价指标值为94.35%,平均交并比为86.83%。应用所设计的大豆籽粒破碎率和含杂率在线检测装置开展台架和田间试验。台架试验结果表明,本文方法的检测结果与人工检测结果的破碎率均值绝对误差为0.13个百分点,含杂率均值绝对误差为0.25个百分点;田间试验表明,本文方法检测结果与人工检测结果的破碎率均值绝对误差为0.18个百分点,含杂率均值绝对误差为0.10个百分点。所提检测方法能够准确在线估算机收大豆的破碎率和含杂率,可为大豆联合收获作业质量在线检测提供技术支持。

关键词：联合收获机图像分割大豆 u-net网络识别分类破碎率含杂率

来源：评论

学校读者我要写书评

暂无评论

基于u-net网络的二维小波域地震数据随机噪声衰减

引用

石油物探 2023年第5期62卷 878-890页

作者：邱怡包乾宗马铭刘致水长安大学地质工程与测绘学院陕西西安710054 海洋油气勘探国家工程研究中心北京100028

基于深度学习的地震数据噪声衰减方法比传统去噪方法更加高效,去噪结果具有更高的信噪比。现有基于深度学习的去噪方法通常在时空域对地震数据进行处理,但小波域中有效信号与噪声之间的特征差异更为明显,有利于网络训练学习及噪声衰减... 详细信息

基于深度学习的地震数据噪声衰减方法比传统去噪方法更加高效,去噪结果具有更高的信噪比。现有基于深度学习的去噪方法通常在时空域对地震数据进行处理,但小波域中有效信号与噪声之间的特征差异更为明显,有利于网络训练学习及噪声衰减。利用二维小波域地震数据的稀疏性和多尺度性,联合二维离散小波变换与u-net网络,提出了基于u-net网络的二维小波域随机噪声衰减方法(Dwt-u-net)。该方法先对地震数据进行二维离散小波变换,再以二维小波系数作为网络输入和输出进行网络训练,获得去噪后的小波系数,最后将该小波系数进行重构得到去噪结果。模拟数据和实际地震数据测试及与不同方法对比结果显示,在不同噪声水平情况下,Dwt-u-net方法的去噪结果具有更高的信噪比和保真度。此外,相对于传统时空域u-net网络去噪方法,Dwt-u-net方法在提高信噪比的同时,网络训练时间减少一半左右。

关键词：深度学习随机噪声衰减 u-net网络二维离散小波变换稀疏性和多尺度性

来源：评论

学校读者我要写书评

暂无评论

基于高分辨率无人机影像和u-net网络的乡村地区不透水面提取方法研究

引用

测绘地理信息 2024年第5期49卷 59-65页

作者：余博洋秦淑洁沈定涛李思青王结臣南京大学地理与海洋科学学院自然资源部国土卫星遥感应用重点实验室江苏省地理信息技术重点实验室华中师范大学城市与环境科学学院地理过程分析与模拟湖北省重点实验室江苏省地理信息资源开发与利用协同创新中心

本文综合考虑乡村地区高精度不透水面提取的主要难点，选用无人机（unmanned aerial vehicle,uAV)影像作为数据源，设计了一种融合阴影去除和u-net网络的提取方案。首先，针对影像中阴影像素较多产生干扰的问题，通过多级Otsu阈值法检... 详细信息

本文综合考虑乡村地区高精度不透水面提取的主要难点，选用无人机（unmanned aerial vehicle,uAV)影像作为数据源，设计了一种融合阴影去除和u-net网络的提取方案。首先，针对影像中阴影像素较多产生干扰的问题，通过多级Otsu阈值法检测阴影像素，而后应用线性相关矫正方法进行阴影补偿。其次考虑到乡村地区不透水面分布较零散且占比较少的问题，引入u-net网络模型提取不透水面。对比实验表明，本文方法能有效克服不透水面样本不足和阴影像素的影响，实现乡村地区小微不透水面的高精度提取。

关键词：无人机影像不透水面阴影去除 u-net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：