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1篇文章
< 1 >
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：
一种利用生成式人工智能的小样本焦炭光学显微组织分割方法
1
作者 陈军然 奚峥皓 +2 位作者 郑阳 刘翔 于壮 《北京化工大学学报(自然科学版)》 北大核心 2026年第1期125-139,共15页
目前,焦炭光学显微组织的分割与识别方法主要以深度学习支持的语义分割模型为主,现有模型分割的准确度受到了数据样本的数量和质量的影响,导致准确度不高。针对该问题,提出了一种利用生成式人工智能(AIGC)来分割小样本焦炭光学显微组织... 目前,焦炭光学显微组织的分割与识别方法主要以深度学习支持的语义分割模型为主,现有模型分割的准确度受到了数据样本的数量和质量的影响,导致准确度不高。针对该问题,提出了一种利用生成式人工智能(AIGC)来分割小样本焦炭光学显微组织的方法。首先,利用AIGC将12张基础图像扩充至3000张数据集;其次,为了提高焦炭光学显微组织分割的准确度,以MoCov3为主体建立了局部特征对比学习部分,并在各自的骨干网络中融入语义控制模块强化有用特征提取能力,以此构建了MoCov3-CD语义分割模型;最后,对所提出的MoCov3-CD模型在构建的数据集上进行了对比实验和消融实验并对其进行分析。实验结果表明:在通过AIGC扩充的焦炭光学组织图像样本数据集中,MoCov3-CD语义分割模型在测试集上的像素准确率(PA)和平均交并比(mIoU)分别为88.03%和68.59%。与其他先进语义分割模型相比,MoCov3-CD语义分割模型与全监督分割模型结果接近,PA和mIoU较自监督分割模型分别高出2.68%和3.72%、较半监督分割模型分别高出1.8%和2.42%。 展开更多
关键词 焦炭光学显微组织 mocov3 局部特征对比学习 生成式人工智能(AIGC)
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 下一页 到第 页
使用帮助 返回顶部