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64篇文章
< 1 2 … 4 >
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：
一种改进U 2-Net的高分辨率遥感影像道路提取方法 被引量：2
1
作者 许锐 庄振兴 黄风华 《遥感信息》 CSCD 北大核心 2024年第4期33-43,共11页
目前基于深度学习的道路提取方法普遍存在忽略影像细节特征的问题。针对此问题,设计了一种改进U 2-Net的高分辨率遥感影像道路信息提取新方法。该方法以U 2-Net为主体框架,引入了卷积注意力机制模块和自注意力机制模块,既增加影像的全... 目前基于深度学习的道路提取方法普遍存在忽略影像细节特征的问题。针对此问题,设计了一种改进U 2-Net的高分辨率遥感影像道路信息提取新方法。该方法以U 2-Net为主体框架,引入了卷积注意力机制模块和自注意力机制模块,既增加影像的全局语义信息又保留了空间细节特征,实现不同类型特征的有效融合。在DeepGlobe和CHN6-CUG两个道路数据集上的实验结果表明,该方法具有更强的特征提取和抗干扰能力,整体性能优于其他同类研究成果,能够更有效地从高分辨率遥感影像中提取道路。 展开更多
关键词 深度学习 道路提取 语义分割 u 2-net 双注意力机制
在线阅读 下载PDF
基于U 2-Net深度学习模型的沿海水产养殖塘遥感信息提取 被引量：3
2
作者 王建强 邹朝晖 +1 位作者 刘荣波 刘志松 《自然资源遥感》 CSCD 北大核心 2023年第3期17-24,共8页
针对近海沿岸复杂地理环境中“同谱异物”效应导致传统方法提取水产养殖塘边界模糊、精度较低的问题,提出了基于U 2-Net深度学习模型的沿海水产养殖塘遥感信息提取方法。首先,对遥感影像进行预处理,选择合适的波段组合方式以区分养殖塘... 针对近海沿岸复杂地理环境中“同谱异物”效应导致传统方法提取水产养殖塘边界模糊、精度较低的问题,提出了基于U 2-Net深度学习模型的沿海水产养殖塘遥感信息提取方法。首先,对遥感影像进行预处理,选择合适的波段组合方式以区分养殖塘和其他地物;其次,通过目视解译进行样本制作;然后,利用U 2-Net深度学习模型训练并提取沿岸养殖塘;最后,利用局部最佳法确定养殖塘范围。实验结果表明,该方法平均总体精度达到95.50%,平均Kappa系数、召回率和F值分别为0.91,91.45%和91.01%;在养殖塘个数及面积评价方面,提取出养殖塘区19块,共计9.79 km^(2),区块数和面积的平均准确度分别为94.06%和93.18%。本研究能够快速、准确地开展海岸带区域养殖塘制图,能够为海洋资源管理和可持续发展提供技术支持。 展开更多
关键词 u 2-net 遥感图像 水产养殖塘 复杂海洋环境
在线阅读 下载PDF
基于改进U^(2)-Net的摇床精矿带图像分割方法
3
作者 刘惠中 邹起华 《传感器与微系统》 北大核心 2025年第5期124-128,共5页
为提升选矿摇床的自动化水平,提出一种基于改进U^(2)-Net的摇床精矿带特征提取算法。首先,利用限制对比度自适应直方图均衡化和自适应Gamma校正对图像进行预处理;然后,在U^(2)-Net的基础上,引入注意力(Attention)机制以突出摇床精矿带... 为提升选矿摇床的自动化水平,提出一种基于改进U^(2)-Net的摇床精矿带特征提取算法。首先,利用限制对比度自适应直方图均衡化和自适应Gamma校正对图像进行预处理;然后,在U^(2)-Net的基础上,引入注意力(Attention)机制以突出摇床精矿带形状、边缘等显著特征;同时,使用特征融合模块(FFM)从不同角度提取图像的上下文信息以关注更多的边缘细节信息,并对通道信息赋予了权重以突出显著特征。经实验测试表明改进后的方法优于U^(2)-Net原始算法,平均交并比达到98.29%,平均像素精度达到99.78%,查准率达到98.86%;相比于原始算法,平均交并比提升0.39%,平均像素精度提升0.42%,查准率提升0.54%,取得较好分割效果。 展开更多
关键词 选矿摇床 深度学习 u^(2)-net 注意力机制 特征融合
在线阅读 下载PDF
文物三维重建中应用改进U^(2)-Net的环境噪声处理方法
4
作者 杨鹏程 王嘉豪 +1 位作者 朱婧怡 崔嘉宝 《西安工程大学学报》 2025年第2期102-108,共7页
在实景采集图像数据进行三维重建时,往往难以避免环境噪声干扰,影响建模的质量和精度,因此需要处理相关噪声以准确提取文物主体特征。针对这一问题,基于改进U^(2)-Net神经网络对校园内青铜雕塑进行了多视角的三维重建分析。在U^(2)-Net... 在实景采集图像数据进行三维重建时,往往难以避免环境噪声干扰,影响建模的质量和精度,因此需要处理相关噪声以准确提取文物主体特征。针对这一问题,基于改进U^(2)-Net神经网络对校园内青铜雕塑进行了多视角的三维重建分析。在U^(2)-Net神经网络中添加注意力机制以提高网络对文物主体的分割精度,从而获取只包含文物主体特征的图像,并且对3处不同环境下的文物进行分割;利用单目多视角三维重建法,对经过前期处理的图像进行建模。实验结果表明:改进U^(2)-Net神经网络对文物主体特征的分割精度更高,且适用于多样性的环境噪声处理,经处理的图像在三维建模过程中,重投影误差减少约25%,均方根投影误差减少到原来的2/3,建模时间共减少了25%。 展开更多
关键词 文物数字化 三维重建 图像去噪 u^(2)-net 多视角三维重建
在线阅读 下载PDF
基于U^(2)-Net和CBAM融合注意力的双模态睡眠分期研究 被引量：1
5
作者 赵倩 李锦 +2 位作者 凤飞龙 强宁 胡静 《陕西师范大学学报(自然科学版)》 北大核心 2025年第1期1-11,共11页
针对当前自动睡眠分期方法存在的难点问题,提出了一种结合U^(2)-Net和CBAM融合注意力对EEG-ECG双模态信号进行自动睡眠分期的方法。首先,采用MIT-BIH公开数据集中的EEG-ECG信号进行预处理;然后,利用添加了多尺度特征提取模块的U^(2)-Ne... 针对当前自动睡眠分期方法存在的难点问题,提出了一种结合U^(2)-Net和CBAM融合注意力对EEG-ECG双模态信号进行自动睡眠分期的方法。首先,采用MIT-BIH公开数据集中的EEG-ECG信号进行预处理;然后,利用添加了多尺度特征提取模块的U^(2)-Net网络并行提取EEG和ECG中的波形特征;其次,利用CBAM融合注意力对全部特征进行权重分配;最后,使用Softmax激活函数对睡眠时期进行六分类。结果表明:基于U^(2)-Net和CBAM融合注意力模型进行睡眠分期时,使用ECG单模态信号的六分类总体准确率为80.2%,F1分数为75.3%;使用EEG单模态信号的六分类总体准确率为85.8%,F1分数为81.7%;使用EEG-ECG双模态信号的六分类总体准确率为90.4%,F1分数为85.6%。提出的双模态睡眠分期模型是可行有效的,并且为自动睡眠分期提供了一种新的思路。 展开更多
关键词 自动睡眠分期 EEG-ECG双模态信号 u^(2)-net网络 CBAM融合注意力
在线阅读 下载PDF
面向腺体组织病理学图像分割的改进U2-Net模型
6
作者 张正旭 陈庆奎 +1 位作者 付直兵 黄陈 《小型微型计算机系统》 北大核心 2025年第4期914-921,共8页
结直肠癌是全球癌症患病人数当中致死率最高的癌症之一,为提高结直肠腺体的分割准确率,本文把U2-Net引入到医学图像分割领域,并对其改进以提高分割效果.首先,为减弱下采样带来的细节特征丢失和上采样时插值误差,在RSU内部的桥接处引入A... 结直肠癌是全球癌症患病人数当中致死率最高的癌症之一,为提高结直肠腺体的分割准确率,本文把U2-Net引入到医学图像分割领域,并对其改进以提高分割效果.首先,为减弱下采样带来的细节特征丢失和上采样时插值误差,在RSU内部的桥接处引入ASPP模块并且使用深度可分离卷积替换普通卷积以提高有效特征的提取能力同时减少参数量;其次,在外层解码器阶段引入了注意力机制以加强特征间的融合,减少因跳跃连接而丢失的空间信息;最终,把交叉熵损失和Dice相结合作为最终损失函数来解决类不平衡问题.在SJTU_GSFPH数据集与U2-Net相比F1-Score和Dice分别提升了1.43和1.03,HD降低了10.93;在GlaS数据集中与U2-Net相比Dice提升了1.29,HD降低了3.82.实验结果表明,本文方法有效提升了结直肠腺体分割的精准度. 展开更多
关键词 u2-net 结直肠 医学图像分割 DICE
在线阅读 下载PDF
基于U^(2)-Net的岩体内部结构面智能识别研究
7
作者 白万明 赵宇 +2 位作者 刘艳彪 马骏 徐帅 《金属矿山》 北大核心 2025年第4期219-225,共7页
结构面对于岩体力学行为和变形破坏机制具有重要影响。快速精确获取结构面分布特征和参数信息对于深部工程岩体稳定性和灾害孕育机制分析具有重要意义。钻孔摄像是一种岩体内部结构面探测新技术,但对钻孔图像中结构面的识别仍以人工辨... 结构面对于岩体力学行为和变形破坏机制具有重要影响。快速精确获取结构面分布特征和参数信息对于深部工程岩体稳定性和灾害孕育机制分析具有重要意义。钻孔摄像是一种岩体内部结构面探测新技术,但对钻孔图像中结构面的识别仍以人工辨识为主,存在工作量大、处理速度慢与人为误差大等问题。基于此,开展了基于U^(2)-Net卷积神经网络的钻孔图像结构面智能识别研究。首先收集20个钻孔1013张钻孔图像;其次,应用图像翻转、色彩抖动、模糊处理和Mixup等数据扩充方法,将数据集扩充到12421张,建立钻孔摄像数据集,解决结构面分割网络训练过程中样本不足的问题;然后,基于深度学习框架PyTorch,设置学习率0.001,训练批次为4,使用Adam优化器,在训练过程中自适应调整学习率,建立结构面智能识别模型;模型在置信度阈值为0.7时F度量值达到了最大值0.749,在召回率大于0.5范围内精确率最高可达0.85,实现了结构面区域的完整分割。与人工识别方式相比,在重合度50%的条件下,U^(2)-Net网络识别率达到了94.8%,表明该网络具有较高的识别精确率与一定的泛化性。 展开更多
关键词 钻孔摄像 结构面 智能提取 u2-net卷积神经网络
在线阅读 下载PDF
基于改进U2-Net的指针式仪表读数识别方法
8
作者 李丽 乔逸天 +2 位作者 黄小龙 谢维成 蒋文波 《现代电子技术》 北大核心 2025年第5期169-174,共6页
针对仪表表盘光照不均和几何失真影响仪表关键区域提取、读数识别准确率的问题,提出一种基于改进U2-Net的仪表校正与读数识别方法。首先通过加入坐标注意力机制的U2-Net模型识别并分割出仪表表盘区域,随后采用改进透视变换技术对表盘区... 针对仪表表盘光照不均和几何失真影响仪表关键区域提取、读数识别准确率的问题,提出一种基于改进U2-Net的仪表校正与读数识别方法。首先通过加入坐标注意力机制的U2-Net模型识别并分割出仪表表盘区域,随后采用改进透视变换技术对表盘区域进行几何校正,实现不同形状的仪表几何校正;再引入自适应MSRCR算法对表盘光照不均区域进行光照校正;最后,通过U2-Net对校正后的图像进行指针分割和关键刻度点分割,采用PCA拟合指针所在的直线,得到指针偏转角度并通过角度法计算准确读数。实验结果表明,该方法能够在光照不足或光照过强的情况下有效恢复仪表关键信息区域,并能够有效校正不同形状的倾斜仪表,提升了指针和刻度信息提取的准确度,且读数误差率低于0.89%。 展开更多
关键词 指针式仪表 光照校正 失真校正 u2-net 仪表读数 MSRCR
在线阅读 下载PDF
基于DCGAN和U^(2)-Net模型的齿轮点蚀辨识
9
作者 刘妤 谭钦宜 古前程 《振动与冲击》 北大核心 2025年第10期301-310,共10页
结合改建的齿轮试验台能够在线获取齿轮工作齿面图像的优势,探讨了基于机器视觉技术实现齿轮点蚀辨识的方法,并开展了试验研究。针对齿轮点蚀样本稀缺,采用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCG... 结合改建的齿轮试验台能够在线获取齿轮工作齿面图像的优势,探讨了基于机器视觉技术实现齿轮点蚀辨识的方法,并开展了试验研究。针对齿轮点蚀样本稀缺,采用深度卷积生成对抗网络(deep convolutional generative adversarial network,DCGAN),实现了样本的多样化、高质量扩增;结合前期研究基础,提取了齿轮的有效工作齿面,实现了齿面倾斜校正和畸变修正;引入ECA注意力机制,改进了U^(2)-Net模型,实现了齿轮点蚀图像感兴趣区域的精确分割;在此基础上,通过统计齿轮历史点蚀率,构建了基于图像信号的齿轮点蚀辨识模型,实现了齿轮点蚀辨识。结果表明:采用机器视觉技术实现齿轮点蚀辨识的方法是可行的,基于DCGAN和U^(2)-Net模型的齿轮点蚀识别准确率达93.56%。研究成果可为齿轮点蚀辨识提供一种更为直接、可靠的方法,对于机械装备的状态监测有一定的参考价值。 展开更多
关键词 齿轮 点蚀 模式识别 深度卷积生成对抗网络(DCGAN) u^(2)-net
在线阅读 下载PDF
基于DMT-U^(2)-Net和回归算法的爆破眼痕识别及应用
10
作者 凌同华 谢长庚 +2 位作者 曹峰 廖逸轩 袁宇 《铁道科学与工程学报》 北大核心 2025年第9期4248-4259,共12页
隧道光面爆破设计时,往往需要光爆效果作为设计依据,以实现爆破安全施工并提高爆破效率。针对目前光爆眼痕识别过程中存在的现场环境复杂、检测困难等问题,提出基于DMT-U^(2)-Net与self-attention模块的复合算法模型进行爆破眼痕识别。... 隧道光面爆破设计时,往往需要光爆效果作为设计依据,以实现爆破安全施工并提高爆破效率。针对目前光爆眼痕识别过程中存在的现场环境复杂、检测困难等问题,提出基于DMT-U^(2)-Net与self-attention模块的复合算法模型进行爆破眼痕识别。采集爆破工程中常见的爆破眼痕图像样本,并对数据进行增强、三维重建与降噪处理,构建DMT-U^(2)-Net网络模型并改进损失函数对眼痕图像进行训练,获取DMT-U^(2)-Net眼痕分割模型;将DMT-U^(2)-Net模型处理后的分割图片与三维重建模型进行特征融合,构建基于self-attention模块的回归预测模型对融合特征进行训练,获取眼痕长度回归预测模型;将DMT-U^(2)-Net眼痕分割模型与基准U^(2)-Net,U-Net,DeepLab v3,FCN,LR-ASPP网络模型的眼痕分割结果进行对比,从而评估其训练效果;将回归预测模型与bp,GRU模型进行对比,并对输入参数进行敏感性分析,优化网络参数输入并评估网络训练效果。结果表明,DMT-U^(2)-Net网络模型分割可见眼痕的P_(DSC),P_(pre),P_(rec),P_(mIOU)分别为90.89%,91.11%,91.01%,91.59%,模型大小仅为19.76 MB,相较基准模型缩减88.2%。与其他模型相比,该模型在分割精度和模型大小,都具有较大优势;通过回归预测模型,可以实现对可见眼痕长度的精准预测,模型决定性系数高达0.992,模型大小仅为154.1 KB。将本文复合算法模型应用于隧道光面爆破可见眼痕的识别中,模型展现出较好的识别效果,基本实现了可见眼痕的端到端识别,为隧道的超欠挖识别与智能评价系统打下坚实基础。 展开更多
关键词 光面爆破 眼痕识别 DMT-u^(2)-net网络 self-attention模块 回归预测模型
在线阅读 下载PDF
基于改进U2-Net的小样本病虫害分割算法研究
11
作者 邓惟明 《智慧农业导刊》 2025年第21期35-38,42,共5页
圣女果作为高效经济作物,其产量与品质常受病虫害严重威胁,病虫害区域的精准分割从而定位病害范围是病虫害早期干预、精准防治的核心前提。为解决传统圣女果病虫害分割中小病害区域漏检、边界模糊、分割效率低等问题,该文提出一种融合... 圣女果作为高效经济作物,其产量与品质常受病虫害严重威胁,病虫害区域的精准分割从而定位病害范围是病虫害早期干预、精准防治的核心前提。为解决传统圣女果病虫害分割中小病害区域漏检、边界模糊、分割效率低等问题,该文提出一种融合注意力机制的AttU2-Net分割模型,实现病虫害的精准分割与识别。使用Tomoto-disease数据集进行测试,在U2-Netp模型解码层嵌入轻量化SimAM,利用MSAA机制优化特征融合效果,最后在每层的输出侧加入CBMA注意力模块,从而构建出针对植物病害的分割模型AttU2-Net。最后将其与其他主流分割模型如DeepLabv3、nnU-net等进行定量与定性比较。验证得到AttU2-Net能较为精准地分割出叶片及果实的病害区域,满足农业种植圣女果进程中对作物健康种植的要求。 展开更多
关键词 圣女果病虫害 语义分割 小样本 u2-net 注意力机制
在线阅读 下载PDF
多尺度非对称卷积的轻量级U2-Net医学影像语义分割模型
12
作者 孙水发 王清华 +4 位作者 邹耀斌 唐庭龙 侯斌 吴义熔 崔文超 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第11期138-146,共9页
基于U2-Net网络结构,设计了一种运行更高效、分割更准确的医学影像语义分割模型。通过多尺度非对称卷积核代替传统的注意力机制以及降低原U2-Net网络的层数,减少模型参数量;通过改变U2-Net网络连接方式,使用U-Net++网络的跳跃连接方式,... 基于U2-Net网络结构,设计了一种运行更高效、分割更准确的医学影像语义分割模型。通过多尺度非对称卷积核代替传统的注意力机制以及降低原U2-Net网络的层数,减少模型参数量;通过改变U2-Net网络连接方式,使用U-Net++网络的跳跃连接方式,使模型在传递特征信息时保持完整性,减少信息损失,使分割边缘更加精确且连续;根据正负样本不均衡和难易不同的问题设计了避免在训练过程中大量简单负样本占据主导地位的二分类交叉熵损失函数(BCE Loss),更倾向于挖掘前景区域的骰子损失函数(Dice Loss)以及更偏向于两图的结构相似性的多层级结构相似性损失函数(MS-SSIM Loss)的组合损失函数,用来监督网络优化。实验结果表明:所提算法在DRIVE、STARE数据集上比现有最先进网络模型(SOTA)的F1分数分别提高2.6%、1.4%,在ISIC-2018数据集上比SOTA的DSC指标提高2.6%。对分割结果进行可视化后表明,网络在样本较小的情况下可以充分提取样本信息,提高语义分割效果。 展开更多
关键词 语义分割 医学影像 非对称卷积核 u2-net网络
在线阅读 下载PDF
基于U^(2)-Net+的透水混凝土CT影像孔隙分割 被引量：2
13
作者 侯斌 孙水发 +2 位作者 张蕊 崔文超 李玉博 《水电能源科学》 北大核心 2024年第2期62-66,共5页
针对现阶段主流的透水混凝土CT影像孔隙分割方法存在的问题,提出了一种堆叠高效RSU模块的U^(2)-Net+的图像分割方法。该方法通过堆叠高效的RSU模块,在网络中引入了更多的上采样节点和跳跃连接,还原了更多下采样阶段丢失的特征图细节;在... 针对现阶段主流的透水混凝土CT影像孔隙分割方法存在的问题,提出了一种堆叠高效RSU模块的U^(2)-Net+的图像分割方法。该方法通过堆叠高效的RSU模块,在网络中引入了更多的上采样节点和跳跃连接,还原了更多下采样阶段丢失的特征图细节;在编码阶段增加了一个可学习的下采样操作,进一步提升了网络对细节的捕获能力;简化了原网络的深度监督,避免了底层特征图对融合输出特征图的负面影响;将单一的标准二分类交叉熵损失函数改为Focal loss和IoU loss组成的混合损失函数,提升了网络对高噪声孔隙的关注度;最后由于数据集的特点加网络改进的提升,原网络中各模块的中间通道数得以进一步缩减,减小了网络体积。试验结果表明,U^(2)-Net+相比U^(2)-Net†在保证轻量化和快速性的同时,平均交并比、精确度、F1得分由94.12%、88.89%、93.28%分别提升至94.24%、91.15%、94.29%;U^(2)-Net+综合指标优于U-Net、U-Net++、U-Net3+、U^(2)-Net、U^(2)-Net†,各指标相较于主流的阈值分割算法至少提高23.29%,实现了透水混凝土CT影像孔隙的精准、快速分割。 展开更多
关键词 透水混凝土CT影像 图像分割 深度学习 u^(2)-net
原文传递
基于U2-Net的广域In SAR开采沉陷区自动识别方法研究 被引量：1
14
作者 吝涛 范洪冬 +2 位作者 孙叶 李向伟 庄会富 《金属矿山》 CAS 北大核心 2024年第4期177-185,共9页
我国井工煤矿量大面广,地下开采隐蔽性强,现有的人工调查、遥感探测、现场实测等方式难以满足大范围开采沉陷区自动识别实现要求,不利于实现高效监管、动态监测。为此,提出了一种基于U2-Net的广域合成孔径雷达干涉测量(Interferometric ... 我国井工煤矿量大面广,地下开采隐蔽性强,现有的人工调查、遥感探测、现场实测等方式难以满足大范围开采沉陷区自动识别实现要求,不利于实现高效监管、动态监测。为此,提出了一种基于U2-Net的广域合成孔径雷达干涉测量(Interferometric Synthetic Aperture Radar,InSAR)开采沉陷区自动识别方法,该方法通过各种形变梯度和噪声水平的模拟数据集训练卷积神经网络(Convolutional Neural Network,CNN),使其能够实现由差分干涉图一步输出包含开采沉陷位置信息的二值矩阵。试验表明:U2-Net的平均像素准确率(Mean Pixel Accuracy,MPA)和平均交并比(Mean Intersection Over Union,MIoU)分别达到了0.9163、0.9119,均高于试验中的其他2种模型,能够更好地抑制噪声,突出形变信号。在覆盖神东矿区不同时间间隔的In SAR干涉图上,U2-Net自动识别了覆盖面积超过54600 km2的干涉图,检测出了多处边界信息清晰平滑的沉陷区,识别的平均准确率达到92.45%。结果表明:对比其他网络,U2-Net通过2级嵌套的“U”形结构能够以较小的计算量融合多尺度和多层次特征,在噪声抑制和形变区域识别方面具有显著优势。由此可见,联合深度学习可服务于精细化开采沉陷区详细调查,促进In SAR技术的应用,为广域开采沉陷区智能识别提供了一种新的技术方法。 展开更多
关键词 开采沉陷 深度学习 INSAR u2-net 语义分割
在线阅读 下载PDF
基于U^(2)-Net的高精度多套层位追踪方法及应用 被引量：1
15
作者 张世成 许辉群 +2 位作者 杨平 孙颖 杨梦琼 《石油地球物理勘探》 EI CSCD 北大核心 2024年第5期925-937,共13页
层位追踪是地震资料解释中一项基础且重要的工作,常规智能层位追踪方法的精度难以满足实际生产需求。为此,提出了一种基于U^(2)-Net的高精度多套层位追踪方法。首先,设计一种充填标签的制作方法,遍历地震数据每个像素点,判断当前像素点... 层位追踪是地震资料解释中一项基础且重要的工作,常规智能层位追踪方法的精度难以满足实际生产需求。为此,提出了一种基于U^(2)-Net的高精度多套层位追踪方法。首先,设计一种充填标签的制作方法,遍历地震数据每个像素点,判断当前像素点所在位置并为其划分一个层位区域;对于穿过断层的层位,则自动搜寻相邻层位,实现非全区层位、断层等复杂条件下的地震反射层位及不整合面的充填标签的制作;然后,利用充填标签,采用U^(2)-Net网络模型对F3数据体和M工区地震资料进行训练。与U-Net+PPM网络模型相比,U^(2)-Net网络模型的预测精度更高,稳定性更好,泛化性更强,训练时间更短,且预测复杂地区的地震反射层位的准确率和平均交并比都大于95%。该方法可以较好地适应低信噪比地震资料的层位追踪。 展开更多
关键词 u^(2)-net 语义分割 层位标签 多套层位追踪 不整合面
在线阅读 下载PDF
基于边缘U^(2)-Net的视盘分割方法 被引量：2
16
作者 王雪 武现阳 +2 位作者 涂家亮 于洁茹 宁春玉 《长春理工大学学报（自然科学版）》 2024年第3期93-100,共8页
彩色眼底图像中的视盘分割在识别眼科疾病中起着关键作用。针对因各种因素影响的视盘边缘分割不准确及分割算法效率低问题,提出一种基于轻量级U^(2)-Net、融入边缘注意力机制的视盘自动分割方法。该方法以轻量级U^(2)-Net为主干网络,使... 彩色眼底图像中的视盘分割在识别眼科疾病中起着关键作用。针对因各种因素影响的视盘边缘分割不准确及分割算法效率低问题,提出一种基于轻量级U^(2)-Net、融入边缘注意力机制的视盘自动分割方法。该方法以轻量级U^(2)-Net为主干网络,使用视盘感兴趣区域提取的预处理方式去除无关特征,同时引入边缘注意力机制增强对视盘边缘特征的提取能力。在Drishti_GS和REFUGE两个公开数据集上的F1分数分别达到97.82%和97.36%,Dice相似系数分别达到97.15%和96.64%,IOU分别达到94.47%和93.50%,与其他网络模型相比表现出优越的分割性能,具有临床应用价值。 展开更多
关键词 彩色眼底图像 视盘分割 u^(2)-net 感兴趣区域提取 边缘注意力
在线阅读 下载PDF
U^(2)-Net在建筑物提取中的边缘精度分析 被引量：1
17
作者 程鸿 刘坚 +1 位作者 李雪 李旭东 《价值工程》 2024年第29期89-91,共3页
随着城市化的进程和遥感科学技术的发展,在高分辨遥感影像中进行建筑物提取一直是摄影测量与遥感领域的一个热点研究主题。针对遥感影像中提取建筑物存在边缘模糊的问题,本文运用U^(2)-Net网络算法提取建筑物,并与lr-aspp、fcn、deeplab... 随着城市化的进程和遥感科学技术的发展,在高分辨遥感影像中进行建筑物提取一直是摄影测量与遥感领域的一个热点研究主题。针对遥感影像中提取建筑物存在边缘模糊的问题,本文运用U^(2)-Net网络算法提取建筑物,并与lr-aspp、fcn、deeplab_v3三种网络算法分别进行了建筑物提取对比实验;结果表明U^(2)-Net网络,在不损失预测精度的情况下,耗时较短,且准确率可提升至97.478%,可较好地解决建筑物提取中的边缘模糊问题。 展开更多
关键词 建筑物提取 u^(2)-net 边缘模糊 预测精度 遥感影像
在线阅读 下载PDF
基于改进U^(2)-Net模型的混凝土结构表面裂缝检测 被引量：5
18
作者 程浩东 李怡静 +2 位作者 李玥康 胡强 王姣 《水利水电技术（中英文）》 北大核心 2024年第6期159-171,共13页
【目的】背景复杂的混凝土结构表面裂缝连续性差、识别率低,基于深度学习的裂缝检测方法存在模型参数量大的问题。【方法】为此,结合U^(2)-Net框架构建了一种聚合多尺度信息的轻量级模型U^(2)-Net_Aggregation,用于复杂背景下的裂缝特... 【目的】背景复杂的混凝土结构表面裂缝连续性差、识别率低,基于深度学习的裂缝检测方法存在模型参数量大的问题。【方法】为此,结合U^(2)-Net框架构建了一种聚合多尺度信息的轻量级模型U^(2)-Net_Aggregation,用于复杂背景下的裂缝特征学习。该模型通过增加跳跃连接,使得每个解码层均聚合该层以上所有浅层编码特征,以获得足够的特征细节,提升裂缝分割精度;利用深度可分离卷积(Depthwise Separable Convolution, DSC)对原本的残差模块(ReSidual U-blocks, RSU)进行改进,提出了新的残差模块(RSU-DSC-ECA),来降低聚合多尺度信息时带来的模型复杂度提升的问题,其中的通道注意力机制(Efficient Channel Attention, ECA)可提升模型对裂缝区域的敏感性和对复杂背景的抗干扰能力。【结果】在三组裂缝数据集上进行消融试验,改进后的模型(U^(2)-Net_Aggregation)相较于U^(2)-Net在准确率、交并比、综合评价指标上均有优异的表现。为了验证模型对复杂背景中裂缝的识别能力,利用无人机实地采集的某混凝土结构数据进行试验,其检测效果优于FCN、SegNet、U-Net和U^(2)-Net。【结论】改进后的模型相比U^(2)-Net在召回率、交并比和综合评价指标方面分别提高了4.18%、2.97%和2.03%,可借助无人机影像快速准确地检测出裂缝,为结构裂缝检测提供一种新的方法。 展开更多
关键词 混凝土结构 裂缝检测 深度学习 语义分割 u^(2)-net 神经网络 混凝土
在线阅读 下载PDF
基于U^(2)-Net和形态学的裂缝损伤量化评估研究
19
作者 李云汇 康帅 +1 位作者 贺东青 丁亚芃 《工业建筑》 2024年第11期67-77,共11页
针对混凝土结构表观裂缝数据类别不均衡与损伤特征量化问题,提出了一种基于U^(2)-Net和形态学结合的裂缝损伤评估方法。首先,将Dice损失函数与损失权重融合构造损失函数,并嵌入迁移学习,使用U^(2)-Net网络对混凝土构件表观裂缝的数据集... 针对混凝土结构表观裂缝数据类别不均衡与损伤特征量化问题,提出了一种基于U^(2)-Net和形态学结合的裂缝损伤评估方法。首先,将Dice损失函数与损失权重融合构造损失函数,并嵌入迁移学习,使用U^(2)-Net网络对混凝土构件表观裂缝的数据集进行训练,根据预测得到的裂缝二值图像,提取预测裂缝图的骨架,最终将裂缝划分为线性裂缝和网状裂缝,针对不同类型的裂缝使用形态学对预测出的裂缝提取对应的特征参数,并对相应的裂缝特征参数进行误差分析,验证裂缝特征参数的有效性。研究结果表明:该方法预测出的裂缝特征参数与真实标记的参数误差相对较小,线性裂缝长度、最大宽度和平均宽度的相对误差平均值分别为-1.34%、1.08%和2.64%,网状裂缝面积和覆盖率的相对误差平均值分别为0.05%和0.07%,表明该方法检测精度相对较高,对混凝土结构的裂缝检测有一定的参考价值。 展开更多
关键词 u^(2)-net Dice损失函数 裂缝量化 形态学 非均衡数据集
原文传递
基于U^(2)-Net的痕迹物证图像分割方法的研究 被引量：1
20
作者 陈雅琪 刘丹 《自动化应用》 2024年第11期35-37,41,共4页
针对痕迹物证检测方法精度不高、模型体积较大、部署困难等问题,设计了一种简单且强大的深层网络架构U^(2)-Net,用于研究痕迹物证图像分割方法。该架构特别设计了用于处理复杂背景下的图像分割任务。U^(2)-Net采用了一种新颖的嵌套U型结... 针对痕迹物证检测方法精度不高、模型体积较大、部署困难等问题,设计了一种简单且强大的深层网络架构U^(2)-Net,用于研究痕迹物证图像分割方法。该架构特别设计了用于处理复杂背景下的图像分割任务。U^(2)-Net采用了一种新颖的嵌套U型结构,通过多尺度的特征提取和深层次的信息融合,能精确地识别和分割痕迹物证图像中的关键对象。该方法在痕迹物证的识别和提取方面展现了优越的性能,特别是在处理高度复杂或模糊不清的图像时,能有效提高分割的准确性和细节恢复能力。 展开更多
关键词 图像分割 u^(2)-net模型 复杂背景 痕迹物证
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 … 4 下一页 到第 页
使用帮助 返回顶部