期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到41,766篇文章
< 1 2 … 250 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于Attention U^(2)-Net的巷道围岩钻孔采动裂隙抗干扰识别研究
1
作者 单鹏飞 康佳星 +4 位作者 来兴平 代晶晶 许慧聪 李杰宇 惠聪 《煤炭学报》 北大核心 2026年第2期1052-1067,共16页
采动裂隙演化特征是量化巷道围岩动力显现特征的关键依据之一。为了降低光照不均、噪声等对围岩钻孔成像的干扰以及孔内采动裂隙边缘模糊、形态多变等对采动裂隙识别的不利影响,提出基于Attention U^(2)-Net的巷道围岩钻孔采动裂隙抗干... 采动裂隙演化特征是量化巷道围岩动力显现特征的关键依据之一。为了降低光照不均、噪声等对围岩钻孔成像的干扰以及孔内采动裂隙边缘模糊、形态多变等对采动裂隙识别的不利影响,提出基于Attention U^(2)-Net的巷道围岩钻孔采动裂隙抗干扰识别方法。利用自主研发的巷道围岩态势全息感知装备来全天候实时采集高分辨率围岩钻孔采动裂隙影像,结合注入噪声、直方图均衡化调节、HSV中V通道色彩扰动与裂隙灰度三维投影等多种增强手段来提高非理想成像条件下图像数据环境泛化能力;通过在基准模型U^(2)-Net中融合单通道注意力(SE、ECA)、空间注意力(CBAM)与全局多通道注意力(DANet)及组合注意力(CBAM+ECA)等机制,增强对低可见度裂隙等非理想采集环境下裂隙的感知与提取能力;在训练阶段采用深度监督复合损失函数(Dice+BCE)嵌入基准模型U^(2)-Net的6个网络输出端,促进基准模型U^(2)-Net以及Attention U^(2)-Net模型的稳定训练与快速收敛,从而缓解小目标裂隙梯度消失与不连续问题。巷道围岩钻孔采动裂隙抗干扰识别实验结果表明:Attention U^(2)-Net模型的IoU提升至83.1%、F_(1)达到92.6%、E_(MA)降至0.052,相较基准模型U-Net和U^(2)-Net,训练阶段的收敛步长提前21轮次与10轮次,F_(1)提高8.4%、4.0%。Attention U^(2)-Net模型训练收敛更快,裂隙边缘检测、细长裂隙提取与复杂纹理分割能力更强,为准确分析围岩钻孔采动裂隙演化特征以及巷道围岩动力显现特征提供了可靠技术支撑。 展开更多
关键词 采动裂隙 损失函数 注意力机制 Attention U^(2)-net CBAM+ECA
在线阅读 下载PDF
基于改进U-Net的铜合金晶界识别方法
2
作者 靖青秀 刘卫辉 +4 位作者 常琪琪 谢伟滨 张志聪 吴瑞洋 黄晓东 《有色金属(中英文)》 北大核心 2026年第2期198-206,共9页
晶粒度评级精度高度依赖于准确的晶粒尺寸与形状表征,而晶界分割是界定晶粒范围的关键预处理步骤。针对铜合金显微图像中晶界对比度低、边缘模糊导致的检测困难,以及现有高精度分割算法参数量大、计算复杂度高、难以满足工业实时检测需... 晶粒度评级精度高度依赖于准确的晶粒尺寸与形状表征,而晶界分割是界定晶粒范围的关键预处理步骤。针对铜合金显微图像中晶界对比度低、边缘模糊导致的检测困难,以及现有高精度分割算法参数量大、计算复杂度高、难以满足工业实时检测需求等问题,本文提出一种基于MobileNetV2的轻量化U-Net改进方法。通过将MobileNetV2作为主干网络解决特征丢失问题,并引入集成深度可分离卷积的ASPP模块,有效增强了多尺度语义特征提取能力。实验结果表明,改进后的模型在保持轻量化的同时,在晶界分割任务中取得了mIOU 87.66%、精确率93.50%、平均像素准确率92.79%的优异性能,显著优于传统U-Net模型,为工业现场实时晶界识别提供了可靠解决方案。 展开更多
关键词 铜合金 晶粒度 深度学习 U-net 轻量化
在线阅读 下载PDF
基于多尺度特征提取的U-Net网络微地震定位方法
3
作者 黄建平 王秋阳 +6 位作者 李媛媛 黎国龙 苏来源 路依霖 李三福 段文胜 雷刚林 《中国石油大学学报(自然科学版)》 北大核心 2026年第1期1-11,共11页
微地震定位是微地震监测的核心任务,面对当前海量的地震数据,传统的定位方法已无法满足实时定位的需求。为此,利用深度学习技术,提出一种基于U-Net网络为主要架构的微地震震源定位方法,通过融合双交叉注意力模块和空间空洞金字塔池化模... 微地震定位是微地震监测的核心任务,面对当前海量的地震数据,传统的定位方法已无法满足实时定位的需求。为此,利用深度学习技术,提出一种基于U-Net网络为主要架构的微地震震源定位方法,通过融合双交叉注意力模块和空间空洞金字塔池化模块,增强网络对微震数据中波形特征的提取能力,提升震源位置预测精度。最后,利用简单层状和复杂速度模型生成合成数据进行实验测试,并与U-Net和Att-Unet网络对震源位置预测误差精度进行对比分析。结果表明,所构建的网络模型在震源预测精度以及网络性能上均优于其他网络模型,并且对低信噪比的微地震数据也有较好的预测效果。 展开更多
关键词 微震定位 水力压裂 多尺度特征提取 U-net网络 注意力机制
在线阅读 下载PDF
融合对抗自编码器和U-net的非侵入式负荷分解方法
4
作者 王凌云 朱倍萱 +1 位作者 张涛 罗明天 《电力系统及其自动化学报》 北大核心 2026年第2期59-68,共10页
为了提高非侵入式负荷分解模型的分解效果和泛化性能,并针对现有生成式模型在非侵入式负荷分解任务中存在的一些局限性,提出一种引入变分推理思想和联合对抗机制的对抗自编码器非侵入式负荷分解方法。为保证负荷分解的实时性,采用序列... 为了提高非侵入式负荷分解模型的分解效果和泛化性能,并针对现有生成式模型在非侵入式负荷分解任务中存在的一些局限性,提出一种引入变分推理思想和联合对抗机制的对抗自编码器非侵入式负荷分解方法。为保证负荷分解的实时性,采用序列到序列映射模型。基于U-net框架构建对抗自编码器模型,在编码器与解码器之间添加跳跃连接,使模型可以同时捕获电器特征的局部细节和全局信息,实现多特征融合,避免特征丢失,同时引入实例-批归一化网络,提高模型的分解性能以及泛化性能。最后将所提模型与几种代表性模型在UK-DALE数据集上进行对比实验。结果表明:所提模型具有优秀的分解性能和泛化能力,并且更加轻量化。 展开更多
关键词 非侵入式负荷分解 对抗自编码器 深度学习 序列到序列 U-net 实例-批归一化
在线阅读 下载PDF
SCVi-Net:一种基于混合模型的视网膜血管分割方法
5
作者 茅纪慧 姜尚格日乐 江旻珊 《光学仪器》 2026年第1期30-42,共13页
现有视网膜血管分割方法通常受限于局部感受野,难以有效捕获全局信息。此外,血管结构在不同尺度下的形态差异较大,使得多尺度特征融合变得困难。为了解决上述问题,提出了一种高效的视网膜血管分割模型SCVi-Net。该模型在U-Net的基础上... 现有视网膜血管分割方法通常受限于局部感受野,难以有效捕获全局信息。此外,血管结构在不同尺度下的形态差异较大,使得多尺度特征融合变得困难。为了解决上述问题,提出了一种高效的视网膜血管分割模型SCVi-Net。该模型在U-Net的基础上改进了跳跃连接,引入一个新的空间通道联合注意力模块,通过自适应调整空间和通道权重,增强了特征提取能力。通过在编码器最深层加入视觉Transformer模块,SCVi-Net的全局信息捕获能力得到了提升。空洞空间金字塔池化模块能有效提取多尺度特征,可增强网络的鲁棒性。侧边多尺度融合模块通过融合多个侧边输出,优化了训练过程,从而提升了血管区域的分割精度。为评估模型的优越性,在DRIVE、CHASEDB1和STARE数据集上进行了对比实验,结果表明,SCVi-Net在复杂视网膜血管图像中具有较好的分割精度和鲁棒性。 展开更多
关键词 视网膜血管分割 U-net 联合注意力机制 Transformer 空洞卷积 SCVi-net 医学图像处理
在线阅读 下载PDF
基于改进U-Net网络和知识蒸馏的三维断层识别方法
6
作者 王莉利 梁云虎 高新成 《石油物探》 北大核心 2026年第1期21-30,共10页
深度学习方法在三维地震资料断层识别中得到了广泛应用,但方法的应用面临数据集质量欠佳、资源消耗过高以及训练周期长等问题。为此,提出了一种融合改进U-Net网络和知识蒸馏的三维断层识别方法。该方法先将改进的U-Net网络模型作为教师... 深度学习方法在三维地震资料断层识别中得到了广泛应用,但方法的应用面临数据集质量欠佳、资源消耗过高以及训练周期长等问题。为此,提出了一种融合改进U-Net网络和知识蒸馏的三维断层识别方法。该方法先将改进的U-Net网络模型作为教师模型,将空洞空间金字塔池化(ASPP)结构与U-Net网络模型相融合,构建轻量级学生模型,然后引入知识蒸馏技术对学生模型进行优化,并调整网络训练超参数和知识蒸馏损失参数,使学生模型获取更丰富的断层信息,提升学生模型的网络性能。该方法通过将复杂的教师模型的知识迁移到轻量级学生模型,显著降低了模型的计算复杂度,同时保持了较高的识别精度。测试结果表明,在合成测试集和实际地震数据的断层识别中,经过知识蒸馏训练的学生模型在识别精度和连续性上均优于未经过蒸馏的学生模型和单独训练的教师模型,充分验证了方法的可行性和有效性。 展开更多
关键词 断层识别 知识蒸馏 U-net 教师模型 学生模型
在线阅读 下载PDF
基于U-Net模型的矿井电阻率反演方法研究
7
作者 胡运兵 王胡日查 +2 位作者 易洪春 段天柱 崔少北 《矿业安全与环保》 北大核心 2026年第1期185-192,共8页
针对矿井电阻率反演中传统方法依赖初始模型、边界模糊及现有深度学习反演存在伪影干扰的问题,提出物理约束的U-Net反演方法。该方法融合电性敏感特性与深度聚焦机制,基于U-Net网络的多尺度特征融合架构构建加权交叉熵损失函数,通过编... 针对矿井电阻率反演中传统方法依赖初始模型、边界模糊及现有深度学习反演存在伪影干扰的问题,提出物理约束的U-Net反演方法。该方法融合电性敏感特性与深度聚焦机制,基于U-Net网络的多尺度特征融合架构构建加权交叉熵损失函数,通过编码器—解码器跳跃连接实现异常体与背景场的电性差异强化;基于三类典型异常体定义电阻率分布的参数化空间,采用有限元法对6000组模型进行正演计算,通过偶极—偶极装置获取视电阻率剖面数据,构建地质模型—电性响应匹配数据集并用于监督学习训练。实验结果表明:该方法Dice系数为0.950±0.018,单次反演耗时由传统最小二乘反演方法的65.2 s降至1.0 s,效率提升98.5%。通过物理先验与深度学习的协同优化,为煤矿水害隐蔽致灾体精准探测提供了解决方案。 展开更多
关键词 矿井电阻率反演 U-net 深度学习反演 矿井水害 工作面 物理约束
在线阅读 下载PDF
基于改进U^(2)-Net和生成对抗网络的深海图像增强算法
8
作者 张泽群 张春堂 樊春玲 《电子测量技术》 北大核心 2026年第1期199-206,共8页
高质量深海图像对研究海洋生物、地形和地质等领域的发展至关重要。针对深海图像存在的颜色失真、图像模糊、对比度低等问题,提出一种以改进U^(2)-Net为GAN生成器的深海图像增强算法U^(2)-GAN。首先,在U-Net中引入RSU模块来构建改进U^(2... 高质量深海图像对研究海洋生物、地形和地质等领域的发展至关重要。针对深海图像存在的颜色失真、图像模糊、对比度低等问题,提出一种以改进U^(2)-Net为GAN生成器的深海图像增强算法U^(2)-GAN。首先,在U-Net中引入RSU模块来构建改进U^(2)-Net,加强对高层抽象特征和低层细节信息的融合。其次,在改进U^(2)-Net的跳跃连接部分引入DA注意力机制,强化空间与各通道之间的相互关系,提取水下颜色和纹理细节。然后,将融入DA注意力机制的U^(2)-Net作为GAN网络的生成器,在对抗中提升增强图像的真实性,并且引入边缘损失和感知损失,重构DS损失函数,多角度指导网络学习深海图像到目标图像的映射关系。最后,在自建数据集DSIED上对U^(2)-GAN与7种先进水下图像增强算法进行对比。U^(2)-Net在PSNR、SSIM、IE、UIQM、UCIQE、PCQI相较于Sea-Pix-GAN提高了5.6%、3.9%、5.2%、16.0%、7.1%、2.4%,具有更好的水下图像增强效果。 展开更多
关键词 深海图像增强 生成对抗网络 U^(2)-net 注意力机制
原文传递
基于改进U-Net的人工光植物工厂生菜图像分割方法
9
作者 李文豪 金文帅 +3 位作者 高晟 薛岳 毛罕平 左志宇 《农机化研究》 北大核心 2026年第6期157-163,共7页
针对植物工厂内作物在人工光环境下图像分割精度不足的问题,提出了一种改进的U-Net神经网络模型,以实现对作物图像的高精度分割。首先通过对比试验,系统比较了传统图像分割方法(如阈值、聚类和区域等)与神经网络方法在人工光环境下的分... 针对植物工厂内作物在人工光环境下图像分割精度不足的问题,提出了一种改进的U-Net神经网络模型,以实现对作物图像的高精度分割。首先通过对比试验,系统比较了传统图像分割方法(如阈值、聚类和区域等)与神经网络方法在人工光环境下的分割效果,结果表明:与传统方法相比,U-Net神经网络在分割精度和模型稳定性方面具有明显优势。然而,进一步分析U-Net模型的分割结果发现,其在复杂光照条件下的分割精度和泛化能力仍有提升空间,主要体现在边界细节处理和小目标分割的准确性不足。为此,针对性地提出3种改进策略:一是通过数据增强技术扩展训练数据集,以提升模型的鲁棒性;二是对U-Net模型的结构进行优化,改进金字塔结构以增强多尺度特征融合能力;三是采用坐标注意力机制,有效提升模型对目标区域的聚焦能力,特别是在背景复杂或光线不均的情况下。基于此,进行试验验证,结果表明:结合改进金字塔结构和坐标注意力机制的U-Net模型在分割平均精确率和平均交并比上分别达到98.19%和96.86%,相比原始U-Net模型分别提高了4.01、3.02个百分点。所提方法显著改善了人工光环境下对植物工厂作物的图像分割性能,为植物工厂内作物生长监测与精准信息采集提供了技术支持,同时为未来智能农业领域的相关研究奠定了基础。 展开更多
关键词 生菜图像分割 植物工厂 人工光 改进U-net 注意力机制 神经网络
在线阅读 下载PDF
融合多源特征与注意力机制的改进U-Net鱼鳞坑遥感提取方法
10
作者 魏敬志 黄骁力 +4 位作者 江岭 梁明 张大鹏 王莎莎 宋音 《农业工程学报》 北大核心 2026年第2期214-224,共11页
鱼鳞坑是黄土高原典型的小型水土保持措施,由于其尺度小、分布不均,传统卫星遥感方法难以实现高精度识别。为此,该研究提出一种融合多源特征与注意力机制的深度学习鱼鳞坑遥感提取方法,构建了“特征重要性分析+注意力增强U-Net结构设计... 鱼鳞坑是黄土高原典型的小型水土保持措施,由于其尺度小、分布不均,传统卫星遥感方法难以实现高精度识别。为此,该研究提出一种融合多源特征与注意力机制的深度学习鱼鳞坑遥感提取方法,构建了“特征重要性分析+注意力增强U-Net结构设计”的技术框架。基于无人机获取的高分辨率多光谱影像与数字高程模型(digital elevation model,DEM),该研究综合运用Spearman相关系数与SHAP(Shapley additive explanations)可解释性分析方法,对光谱与地形特征进行重要性评估与冗余剔除,最终优选出4类关键特征,并据此设计了9种特征组合方案。在此基础上,采用UNet、DeepLabV3+、SegNet与FCN四种语义分割模型开展对比试验,结果表明以RGB+Slope的特征组合方案在UNet模型中识别效果最优。在模型结构方面,该研究以U-Net为基础,融合金字塔压缩注意力模块(pyramid squeeze attention module,PSAM)与多级特征注意力上采样模块(multi-scale feature attention upsampling module,MFAU),增强模型对鱼鳞坑边缘与空间结构的感知能力,并设计消融试验验证改进效果。试验结果表明,在最优特征组合的数据输入下,改进模型在测试区交并比提升2.47个百分点,F1分数提升1.34个百分点,召回率提升2.72个百分点,精确率提升1.02个百分点,表现出良好的提取精度与区域泛化能力。研究表明,特征重要性分析与注意力增强结构设计的融合策略可有效提升模型对小尺度地貌目标的识别性能,为鱼鳞坑等微地形构筑物的高精度遥感提取提供技术支撑,也为多源信息融合与深度学习模型构建提供了理论参考。 展开更多
关键词 无人机 遥感 语义分割 鱼鳞坑提取 U-net改进 注意力机制
在线阅读 下载PDF
HWCFU-Net:融合多源遥感数据的像元级台风灾后森林冠层高度损失评估
11
作者 俞云航 张礼 +1 位作者 陈帮乾 云挺 《北京林业大学学报》 北大核心 2026年第3期128-139,共12页
【目的】台风灾害会导致森林冠层结构破坏、生态服务功能衰退及碳汇能力丧失,亟需建立高效、精准的森林台风灾害损失评估方法。针对现有评估方法难以在像元尺度精细表征台风胁迫下森林冠层高度空间异质性响应与梯度破坏规律的核心科学问... 【目的】台风灾害会导致森林冠层结构破坏、生态服务功能衰退及碳汇能力丧失,亟需建立高效、精准的森林台风灾害损失评估方法。针对现有评估方法难以在像元尺度精细表征台风胁迫下森林冠层高度空间异质性响应与梯度破坏规律的核心科学问题,以及台风灾后多源遥感数据尺度/噪声异质和光学影像细节丢失所致的反演精度与空间连续性受限的技术瓶颈,本研究旨在构建一种融合多源遥感数据的像元级反演框架,实现灾害前后冠层高度的精细化变化检测,并探索海拔梯度与城市边界对森林冠层损失空间格局的调控机制。【方法】研究提出层次化小波增强与上下文特征整合的U-Net改进模型(HWCFU-Net)。该模型核心思路在于通过离散小波变换构建层次化特征增强模块,针对性强化高低频信息表达以克服多源数据异质性;引入层次化上下文特征整合单元,利用多阶的深度可分离卷积优化多尺度特征传递与筛选能力;采用逐像元回归策略对每个像元独立建模,直接预测连续冠层高度值,突破传统整幅影像单一标签或分区均值化处理局限。研究整合GEDI、ICESat-2激光雷达与Sentinel-1/2光学—雷达数据构建多源时空特征集,以2019年发生的典型台风“利奇马”、“北冕”及“海贝思”构建6个灾前后实验场景,并与U-Net、U-Net++、AttentionRes-UNet、TSNN、Y-NET及随机森林这6种主流方法开展系统对比验证。【结果】HWCFU-Net在所有实验场景中均表现出最优性能,决定系数(R^(2))达到0.62~0.71,均方根误差(RMSE)控制在3.98~4.87 m范围。与深度学习类方法相比,模型R^(2)提升了0.01~0.14;相较于随机森林方法,R^(2)提升了0.01~0.09,RMSE降低了0.13~1.03 m。尤其在“利奇马”台风灾前场景下,模型实现最高精度(R^(2)=0.71,RMSE=3.98 m),充分验证了其稳健性与泛化能力。研究进一步揭示出台风破坏森林冠层呈现空间异质性:低海拔阔叶林因根系浅、抗风能力弱而冠层损失最大,中高海拔针叶林损失相对较小;靠近城市的森林因地表粗糙度与建筑群诱发的湍流/峡谷效应承受更强风剪切,损失随城市距离显著衰减;局地植被指数的短期回升提示降雨与水分改善触发的补偿生长过程。海拔梯度通过调控林分组成和结构稳定性,显著影响损失的空间分布;此外,城市边界对台风风场具有放大作用。【结论】研究表明海拔梯度效应与城市边界效应共同塑造了森林冠层损失的空间异质性格局。本研究提出的逐像元反演方法有效解决了多源数据异质性与细节丢失难题,实现了灾害评估精度的系统性提升,为森林灾害防护与生态适应性规划提供了可靠理论依据与技术支撑。 展开更多
关键词 台风灾害 森林冠层高度 像元级反演 多源遥感融合 深度学习 空间异质性 海拔梯度 城市边界效应 HWCFU-net
在线阅读 下载PDF
基于改进U-Net的深水网箱网衣结节及纲线识别方法
12
作者 王锦 李根 +3 位作者 丁木 李振华 袁太平 黄小华 《南方水产科学》 北大核心 2026年第2期16-26,共11页
针对深海网箱养殖中水下网衣清洗机器人视觉导航与网衣维护的迫切需求,提出一种基于U-Net模型改进的网衣结构特征识别方法。该方法通过分割网衣关键结构特征——网线交点(简称结节)与纲线,为水下网衣清洗机器人提供可靠的视觉定位基准... 针对深海网箱养殖中水下网衣清洗机器人视觉导航与网衣维护的迫切需求,提出一种基于U-Net模型改进的网衣结构特征识别方法。该方法通过分割网衣关键结构特征——网线交点(简称结节)与纲线,为水下网衣清洗机器人提供可靠的视觉定位基准和路径跟踪依据,同时辅助网衣破损污损的检测。具体而言,通过水下网衣清洗机器人采集网衣图像数据,并对网衣结节和纲线进行标注,构建网衣结构特征数据集。以轻量级语义分割模型U-Net为基线模型,创新性集成空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)与交叉注意力机制(Criss-Cross Attention,CCA),强化模型对网衣结构特征的语义表达能力;同时设计适配网衣结构特征的专项评价指标。系统对比结果表明,改进模型在网衣数据集上表现最优,其中结节Dice系数为0.60、F1分数为0.92,纲线Dice系数为0.74、F1分数为0.62,显著优于基线模型。该方法可为后续网衣结节和纲线的跟踪研究提供参考。 展开更多
关键词 深海网箱养殖 网衣特征识别 水下机器人定位 U-net模型 深度学习
在线阅读 下载PDF
基于改进U-Net的冷冻电镜图像去噪方法
13
作者 邓竞 曾安 金亮 《计算机应用与软件》 北大核心 2026年第1期241-248,共8页
针对冷冻电镜图像信噪比极低,并且现有去噪方法不能有效去掉复杂噪声的问题,提出一种基于改进U-Net的冷冻电镜图像去噪方法。改进方法用FCN(Fully Convolutional Networks)搭建噪声映射模块,并在原始U-Net网络中嵌入多尺度联接和宽激活... 针对冷冻电镜图像信噪比极低,并且现有去噪方法不能有效去掉复杂噪声的问题,提出一种基于改进U-Net的冷冻电镜图像去噪方法。改进方法用FCN(Fully Convolutional Networks)搭建噪声映射模块,并在原始U-Net网络中嵌入多尺度联接和宽激活密集残差块,既能提高网络的泛化能力又使模型能更好地提取和恢复特征信息,从而实现高质量的冷冻电镜图像去噪;全变差损失函数的引入用来保护输出图像中的颗粒细节信息。实验结果表明,相较于对比方法,该方法在有效去除背景噪声同时能更好地恢复颗粒细节,信噪比(Signal to Noise Ratio,SNR)也是最优,并且颗粒挑选阳性数量也得到提升。 展开更多
关键词 图像去噪 冷冻电镜 U-net FCN
在线阅读 下载PDF
基于U-Net的花生网纹分割与品种识别
14
作者 巩秀钇 踪姿艳 +6 位作者 付华宇 张贺 纪翔 朱春雨 王聪 赵延伸 韩仲志 《花生学报》 北大核心 2026年第1期23-33,共11页
花生是我国重要的油料作物,不同品种花生在生长特性、产量潜力和抗逆性等方面存在显著差异。网纹作为花生荚果的独特纹理特征,在形态、密度和分布上具有显著的品种特异性,是DUS测试的重要荚果性状,但现有研究对此利用不足。因此,本研究... 花生是我国重要的油料作物,不同品种花生在生长特性、产量潜力和抗逆性等方面存在显著差异。网纹作为花生荚果的独特纹理特征,在形态、密度和分布上具有显著的品种特异性,是DUS测试的重要荚果性状,但现有研究对此利用不足。因此,本研究提出基于U-Net模型的花生网纹分割与多模态特征融合的品种识别框架。U-Net模型在对13个花生品种的网纹分割任务中表现优异,平均交并比为75.9%、准确率为89.2%,显著优于其他现有基础模型。进一步提取网纹图像的16个PCA降维特征,结合形态与颜色特征构建多模态数据集,采用SVM分类器实现品种识别,准确率达90.15%,较花生纹理、形态和颜色特征结合提升4.44%。研究首次证实花生网纹作为DUS测试性状的有效性,突破传统形态学的分析局限,为花生表型组学研究提供了可解释的方法,对推动精准育种和种质资源保护具有重要意义。 展开更多
关键词 花生网纹 DUS性状 U-net 图像分割 品种识别
在线阅读 下载PDF
DBU-Net:基于改进SAM的双分支U-Net图像隐写方法
15
作者 周倩 朱梦月 王帆 《南京邮电大学学报(自然科学版)》 北大核心 2026年第1期124-134,共11页
基于深度学习的图像隐写术通过引入空间注意力机制使得模型关注图像的重要区域,但主流方法通常依赖固定结构的卷积模块生成单一的注意力权重矩阵,对局部细节特征关注度不足,导致信息隐藏未能与纹理复杂度充分关联。针对上述问题,提出了... 基于深度学习的图像隐写术通过引入空间注意力机制使得模型关注图像的重要区域,但主流方法通常依赖固定结构的卷积模块生成单一的注意力权重矩阵,对局部细节特征关注度不足,导致信息隐藏未能与纹理复杂度充分关联。针对上述问题,提出了一种基于改进空间注意力机制的双分支U-Net图像隐写方法DBU-Net。该方法首先引入改进的空间注意力机制对载体图像进行区域划分。其次采用差异化的信息隐藏,其中,高纹理分支采用更深层次和多尺度的卷积模块进行特征提取,同时在特征融合时被赋予更高权重,低纹理分支则采用浅层和固定卷积进行特征提取,且在特征融合时权重较低。在不同数据集上的大量对照实验结果表明,相较于现有的先进图像隐写方法,所提的DBU-Net在隐写质量、隐写不可见性和安全性方面均取得了显著的性能提升。 展开更多
关键词 图像隐写术 U-net 分支网络 空间注意力机制
在线阅读 下载PDF
基于U-Net架构和无人机航拍传感器的公路图像裂缝检测
16
作者 陈巍 陈恳 朱文耀 《传感器与微系统》 北大核心 2026年第2期161-166,共6页
针对当前模型对公路裂缝检测不精确的问题,提出了一种基于无人机(UAV)航拍传感器遥感图像的智能检测方法。基于U-Net架构,结合深度可分离残差块(DR-Block)、空间金字塔融合注意力模块(SPFAM)和感受野块(RFB),提出DAR-Unet逐像素裂缝检... 针对当前模型对公路裂缝检测不精确的问题,提出了一种基于无人机(UAV)航拍传感器遥感图像的智能检测方法。基于U-Net架构,结合深度可分离残差块(DR-Block)、空间金字塔融合注意力模块(SPFAM)和感受野块(RFB),提出DAR-Unet逐像素裂缝检测模型。利用无人机采集1 046张高质量公路遥感图像构建专用数据集。在自制数据集上,DAR-Unet的平均交并比(mIoU)和F1分数分别达到76.41%和74.24%,高于主流模型。进一步将模型与无人机集成,构建了公路裂缝检测物联网系统,实际测试表现优异,验证了DAR-Unet在遥感图像公路裂缝检测中的有效性。 展开更多
关键词 无人机 航拍传感器 遥感图像 公路裂缝检测 U-net架构
在线阅读 下载PDF
基于改进RandLA-Net的车载点云标线识别方法
17
作者 张傲寒 岳东杰 +3 位作者 赵钢 徐菲 刘丹妮 王刘宇 《南京信息工程大学学报》 北大核心 2026年第2期267-277,共11页
针对车载LiDAR点云在道路标线识别中存在几何特征稀疏、遮挡或缺损导致标线模糊,以及复杂场景下边界辨识度低等问题,本文提出一种基于改进RandLA-Net的道路标线点云识别方法.首先,构建混合池化模块融合局部邻域与全局特征,以捕获更广泛... 针对车载LiDAR点云在道路标线识别中存在几何特征稀疏、遮挡或缺损导致标线模糊,以及复杂场景下边界辨识度低等问题,本文提出一种基于改进RandLA-Net的道路标线点云识别方法.首先,构建混合池化模块融合局部邻域与全局特征,以捕获更广泛的上下文信息;其次,设计特征对比增强模块,通过分析不同点的特征差异,并结合最大特征值和平均特征值的对比,采用特征加权策略,强化关键区域(如箭头、实线边界)的特征响应;最后,提出融合Dice与加权交叉熵的损失函数,以增强模型对边界区域的感知能力.为验证算法鲁棒性,本文构建了两个道路标线点云数据集Toronto-Rdmk和UPM-Rdmk,对其进行实验验证与分析.实验结果表明,本文方法在Toronto-Rdmk数据集上的平均交并比为69.40%,在UPM-Rdmk数据集上为49.06%,分别比RandLA-Net提高了3.17和4.23个百分点.充分证明了所提方法在复杂场景下的有效性,为大规模道路标线点云的自动化识别提供了有力支持. 展开更多
关键词 车载LiDAR点云 RandLA-net 混合池化模块 特征对比增强模块 融合损失函数 道路标线点云数据集
在线阅读 下载PDF
基于改进U-Net与RGB-D图像的青花椒枝条“下桩”剪切点定位
18
作者 蒲应俊 张文州 +3 位作者 李金广 赵立军 陈子文 杨明金 《农业工程学报》 北大核心 2026年第1期160-170,共11页
青花椒枝条“下桩”是通过剪下带鲜果的枝条并保留一定长度短桩的采摘收获方法。为实现青花椒采摘机器人精准识别枝条并确定最佳剪切点以达到高效“下桩”作业,该研究提出了一种基于U-Net深度学习网络和RGB-D相机相结合的青花椒主枝“... 青花椒枝条“下桩”是通过剪下带鲜果的枝条并保留一定长度短桩的采摘收获方法。为实现青花椒采摘机器人精准识别枝条并确定最佳剪切点以达到高效“下桩”作业,该研究提出了一种基于U-Net深度学习网络和RGB-D相机相结合的青花椒主枝“下桩”剪切点定位方法。首先,通过改进传统U-Net模型,将其主干网络替换为嵌入CA注意力机制的ResNet50网络,同时在U-Net模型的特征拼接阶段中增加SE注意力机制,从而构建针对青花椒主枝和树干的分割模型。然后,将分割后的图像利用二值化与骨架线提取方法得到主枝中心线,结合RGB-D相机的深度信息与OpenCV图像处理算法,完成世界坐标系与像素坐标系间长度的映射。随后,将短桩预设的40 mm长度从世界坐标系映射至RGB图像中的像素长度,最终确定每根主枝的“下桩”剪切点位置。试验结果表明,改进后的U-Net模型在分割性能上优于DeeplabV3+和PSPNet,平均交并比(MIoU)、平均像素准确率(mPA)和召回率(recall)分别达到87.58%、93.76%和96.24%。在晴天顺光、逆光及阴天条件下,“下桩”剪切点识别定位的成功率分别达到90.81%、84.88%、80.52%。采摘点定位试验中,定位成功率为90%,单根花椒枝平均识别过程耗时1.93 s。该研究结果可为青花椒采摘机器人“下桩”采收提供技术支撑。 展开更多
关键词 图像处理 青花椒 采摘 U-net网络模型 下桩采摘法 剪切点定位
在线阅读 下载PDF
基于S-net研究伊豆—小笠原俯冲板块各向异性
19
作者 李轩 薛梅 《地震学报》 北大核心 2026年第1期95-111,共17页
基于日本S-net海底地震仪观测数据,利用最小特征值最小化方法与波形旋转互相关方法,排除俯冲带上覆板块和地幔楔影响,分析了伊豆—小笠原俯冲带太平洋俯冲板块板内及板下地幔各向异性特征。通过对直达S震相和自震源向上传播的s震相进行... 基于日本S-net海底地震仪观测数据,利用最小特征值最小化方法与波形旋转互相关方法,排除俯冲带上覆板块和地幔楔影响,分析了伊豆—小笠原俯冲带太平洋俯冲板块板内及板下地幔各向异性特征。通过对直达S震相和自震源向上传播的s震相进行横波分裂分析,依据射线路径将结果分为三类。类型Ⅰ主要对浅层俯冲板块采样,其快轴方向小角度斜交于海沟,反映俯冲过程中形成的平行于海沟的断层被局部应力场改造引起的各向异性;类型Ⅱ和Ⅲ对俯冲板块深部及板下地幔采样,发现太平洋板块深部快轴方向与洋脊扩张方向一致,表明各向异性来源于“化石”各向异性;而板下地幔的各向异性则由平行海沟的地幔流动引起。分裂时间的变化范围为0.08—0.86 s,反映了各区域的各向异性均具有非均质性的特点。 展开更多
关键词 伊豆—小笠原俯冲板块 地震各向异性 S-net 横波分裂 板下地幔
在线阅读 下载PDF
基于多通道U-Net的室内电磁波传播路径损耗预测方法
20
作者 关策 宋欣蔚 岳云涛 《电波科学学报》 北大核心 2026年第1期79-88,共10页
精准高效的室内电磁波传播预测是无线通信系统规划与优化的关键基础。传统的方法在高频段因电磁波传播特性复杂、计算复杂度剧增,难以满足实时性需求;而现有深度学习模型在高频段适配性与预测精度上也存在一定的局限性。本文提出一种多... 精准高效的室内电磁波传播预测是无线通信系统规划与优化的关键基础。传统的方法在高频段因电磁波传播特性复杂、计算复杂度剧增,难以满足实时性需求;而现有深度学习模型在高频段适配性与预测精度上也存在一定的局限性。本文提出一种多通道U-Net的深度学习预测模型(mU-Net),其将天线方向特性、反射通道贡献、透射通道贡献及自由空间路径损耗(free space path loss, FSPL)分别建模为4个独立特征通道,通过多通道输入U-Net网络捕捉不同传播机制的差异化影响,mU-Net非对称编码器-解码器结构进一步融合多源特征,解析复杂结构散射与绕射细节,从而输出高分辨率路径损耗(path loss, PL)预测图。该模型能深度融合高频段特征信息,解决了现有方法实时性差、精度不足的问题。3种场景下的PL预测结果显示,所提出的mU-Net模型在精度、结构相似性及预测效率等关键指标上均显著优于现有的典型预测方法,在高频段场景下性能提升尤为明显,为高频段室内电磁波传播预测提供了兼具高精度与高效率的解决方案。 展开更多
关键词 室内电磁波传播 路径损耗(PL) 高频段 深度学习 多通道 U-net
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 250 下一页 到第 页
使用帮助 返回顶部