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23,367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：
基于多尺度特征提取的U-Net网络微地震定位方法
1
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
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
基于改进U-Net网络和知识蒸馏的三维断层识别方法
3
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
基于改进U-Net的人工光植物工厂生菜图像分割方法
4
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
基于改进U^(2)-Net和生成对抗网络的深海图像增强算法
5
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的冷冻电镜图像去噪方法
6
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
7
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
基于改进U-Net与RGB-D图像的青花椒枝条“下桩”剪切点定位
8
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U-Net架构和无人机航拍传感器的公路图像裂缝检测
9
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
基于级联YOLO和U-Net的腰椎图像分割模型YOLOMACR-Net
10
作者 何致远 汪灿华 《现代信息科技》 2026年第2期91-97,共7页
针对腰椎MRI图像中椎体目标形态多变、背景解剖结构复杂及组织间对比度低,导致现有方法出现关键结构漏检、边缘分割粗糙及参数冗余等问题,提出一种融合多尺度特征增强与级联架构的轻量化腰椎分割模型YOLOMACR-Net。首先,在YOLOv5n框架... 针对腰椎MRI图像中椎体目标形态多变、背景解剖结构复杂及组织间对比度低,导致现有方法出现关键结构漏检、边缘分割粗糙及参数冗余等问题,提出一种融合多尺度特征增强与级联架构的轻量化腰椎分割模型YOLOMACR-Net。首先,在YOLOv5n框架中设计多尺度非对称空洞残差模块(MACR),利用非对称卷积适配椎体几何特征,扩大感受野以解决单阶段检测的漏检问题;其次,构建“定位-分割”级联架构,利用定位结果剔除背景噪声,引导U-Net进行精细化分割。在公开数据集上的实验结果表明,YOLOMACR-Net的结构捕获率(SCR)达到100%,mIoU、Dice系数和HD95分别达到88.17%、93.71%和3.37 mm,且参数量仅为1.65M。结果证明该模型能有效整合多尺度信息,在保持轻量化的同时显著提升了复杂场景下的分割精度。 展开更多
关键词 医学图像分割 深度学习 YOLO MACR u-net
在线阅读 下载PDF
基于改进的U-Net网络的肺癌数字病理图像分割算法
11
作者 黄毓珍 林长方 《兰州文理学院学报(自然科学版)》 2026年第1期67-72,共6页
针对经典的医学图像语义分割模型U-Net的局限和肺癌数字病理图像的特点,提出了一种结合残差学习模块和混合注意力机制的图像分割算法.算法以U-Net网络为基础框架,分别在卷积层和编码器-解码器间引入残差学习模块和通道、空间注意力机制... 针对经典的医学图像语义分割模型U-Net的局限和肺癌数字病理图像的特点,提出了一种结合残差学习模块和混合注意力机制的图像分割算法.算法以U-Net网络为基础框架,分别在卷积层和编码器-解码器间引入残差学习模块和通道、空间注意力机制模块,来提高特征提取能力和分割精度;同时改进损失函数以解决分割过程中类不平衡问题.实验结果显示改进算法在ACC、SEN、MioU和Dice等评价指标上均优于其他对比算法,表明其在肺癌数字病理图像分割中具有较强的优越性和竞争力. 展开更多
关键词 u-net 数字病理 图像分割 注意力机制 残差结构
在线阅读 下载PDF
基于Swin-UNet的破损碑刻文字识别方法
12
作者 李晓亮 李光亚 孟志琳 《机械与电子》 2026年第1期28-34,共7页
提出了基于Swin-UNet的破损碑刻文字识别方法。为了能够获取准确的碑刻文字信息,采用Swin Transformer结构代替U-Net结构在分割任务中的下采样和上采样过程,并在其中添加了优化融合特征信息的注意力模块CBAM与SENet模块,同时使用带权重... 提出了基于Swin-UNet的破损碑刻文字识别方法。为了能够获取准确的碑刻文字信息,采用Swin Transformer结构代替U-Net结构在分割任务中的下采样和上采样过程,并在其中添加了优化融合特征信息的注意力模块CBAM与SENet模块,同时使用带权重的交叉熵损失函数对损失函数进行优化。自然场景下的碑刻文字往往会受到各种各样的损害,故之后在数据集的基础上建立文字的语义分割数据库,同时设计算法对缺损的碑刻文字基于数据库进行识别。实验表明,在真实碑刻图片中,文字缺失2个笔画以内,识别正确率为32.60%,识别结果前5个文字中有正确的汉字视为识别正确的概率为64.20%,识别结果前10个文字中有正确的汉字视为识别正确的概率为77.20%。所提方法相较于其他的语义分割模型对笔画的分割更为准确,效果更好。 展开更多
关键词 碑刻文字 文字识别 Swin Transformer u-net 语义分割
在线阅读 下载PDF
MS-WTUNet面向心脏MRI分割的多尺度小波变换网络
13
作者 黄佳敏 张小波 《现代信息科技》 2026年第1期52-57,共6页
心脏MRI图像的精准分割对心血管疾病诊疗至关重要,但由于心脏结构复杂、边界模糊以及组织对比度较低的问题,使得传统的U-Net网络实现准确分割仍面临挑战。文章提出一种多尺度小波变换网络MS-WTUNet,该网络以U-Net为骨架,在编码与解码各... 心脏MRI图像的精准分割对心血管疾病诊疗至关重要,但由于心脏结构复杂、边界模糊以及组织对比度较低的问题,使得传统的U-Net网络实现准确分割仍面临挑战。文章提出一种多尺度小波变换网络MS-WTUNet,该网络以U-Net为骨架,在编码与解码各层嵌入了与注意力相结合的小波块,在频域中强化纹理与边缘信息,有效提升了模型对复杂边界的表征能力。此外,模型辅以跨层多尺度特征融合与分层深度监督损失,进一步优化了模型从局部细节到全局语义的学习过程。在公开ACDC数据集上的实验表明,MS-WTUNet能够将心肌等边界模糊结构的分割精度提升至91.70%,为心脏MRI图像的自动分割提供了一种性能优异的解决方案。 展开更多
关键词 医学图像分割 u-net 小波变换 MRI图像
在线阅读 下载PDF
U-Net深度学习在建筑垃圾再生骨料中的识别量化与性能预测
14
作者 肖霑 邓年春 +1 位作者 王田龙 徐于洋 《贵州大学学报(自然科学版)》 2026年第1期101-109,共9页
建筑垃圾再生骨料作为一种可回收利用的资源,其有效识别与量化解析对于提前快速准确获取再生骨料成分和性能、提高建筑垃圾利用率具有重要意义。本文引入U-Net深度学习模型,对再生骨料成分进行分类识别和量化,并建立再生骨料物理性能指... 建筑垃圾再生骨料作为一种可回收利用的资源,其有效识别与量化解析对于提前快速准确获取再生骨料成分和性能、提高建筑垃圾利用率具有重要意义。本文引入U-Net深度学习模型,对再生骨料成分进行分类识别和量化,并建立再生骨料物理性能指标预测的数学模型。研究结果表明:实验通过对建筑垃圾再生骨料中的红砖骨料、瓷砖骨料、砂浆骨料、碎石骨料等成分构建图像训练集,利用U-Net模型强大的特征提取能力,进行精确识别和分类,各骨料成分识别精确度达到96%,能够准确区分不同类型的再生骨料,并通过可视化的分割热力图展现出识别与分割的动态演化过程;依据U-Net模型识别结果中各成分骨料的图像掩码,由面积分数按照同粒径等效换算为圆柱体或椭球体,获取再生骨料各组分的体积分数或质量分数,预测值与实测值累计误差值在±3%以内;按照再生骨料各组分性能混合定律,由各组分质量分数建立再生骨料混合料物理性能指标的预测模型,对早期预判再生混合料性能和建筑垃圾再生利用提供可靠的数据支撑。 展开更多
关键词 建筑垃圾 再生骨料 u-net深度学习 识别与量化 性能预测
在线阅读 下载PDF
基于U-Net的矿用输送带纵向撕裂检测分析
15
作者 秦亚光 李璐 +3 位作者 方杰 潘奇 李子恒 夏奕冰 《机械管理开发》 2026年第1期223-225,228,共4页
矿用输送带作为矿山物料运输的核心设备,其纵向撕裂故障会严重影响生产连续性并可能引发重大安全事故,这一突出问题亟待解决。通过系统分析了矿用输送带跑偏、异物损伤和物料卡滞等主要致因及其损伤机制,提出了基于U-Net深度学习网络的... 矿用输送带作为矿山物料运输的核心设备,其纵向撕裂故障会严重影响生产连续性并可能引发重大安全事故,这一突出问题亟待解决。通过系统分析了矿用输送带跑偏、异物损伤和物料卡滞等主要致因及其损伤机制,提出了基于U-Net深度学习网络的语义分割算法,实现撕裂特征的精确识别。实验结果显示,U-Net网络在平均交并比(MIoU)指标上达到81%,明显优于传统阈值分割方法,为矿山输送系统的安全稳定运行提供了有效的技术支持。 展开更多
关键词 矿用输送带 撕裂原因 深度学习 语义分割 u-net网络
在线阅读 下载PDF
融合部分卷积和ECA机制的轴承滚子外观缺陷U-Net分割模型
16
作者 顾云鹏 马超 +2 位作者 臧绍飞 于朋洋 马建伟 《轴承》 北大核心 2026年第1期91-99,共9页
针对传统图像处理和人工检测方法在复杂、多样的滚子外观缺陷检测中效率低下和精度不高的问题,提出一种融合部分卷积和高效通道注意力机制(ECA)的U-Net模型。首先,针对原始U-Net解码阶段不同尺度特征的融合与重复使用产生冗余特征的问题... 针对传统图像处理和人工检测方法在复杂、多样的滚子外观缺陷检测中效率低下和精度不高的问题,提出一种融合部分卷积和高效通道注意力机制(ECA)的U-Net模型。首先,针对原始U-Net解码阶段不同尺度特征的融合与重复使用产生冗余特征的问题,设计一种融合部分卷积的解码器,缓解冗余特征对模型的负面影响并提高模型的计算效率;其次,在解码器部分引入ECA,自适应建立通道之间的信息交互,增强模型捕捉和理解图像重要特征的能力;最后,针对轴承滚子外观检测任务易出现样本不均衡问题,设计一种融合Focal Loss的损失函数以监督训练模型,减轻样本不均衡对模型的负面影响。在轴承滚子缺陷数据集上的试验结果表明,所提模型在各评估指标上均达到了较高精度,验证了其有效性和可行性。 展开更多
关键词 滚动轴承 滚子 卷积 解码器 损失函数 注意力机制 u-net
在线阅读 下载PDF
MGDE-UNet:轻量化光伏电池缺陷分割模型
17
作者 王涛 黎远松 +2 位作者 石睿 陈慧宁 侯宪庆 《广西师范大学学报(自然科学版)》 北大核心 2026年第1期45-55,共11页
针对光伏电池缺陷分割模型存在计算复杂度高、参数量大、分割速度慢和分割精度低的问题,本文提出一种基于轻量化改进U-Net的光伏电池缺陷分割模型。首先,使用MobitNetV3_Large网络替换原U-Net的主干网络,在减少模型计算量和参数量的同时... 针对光伏电池缺陷分割模型存在计算复杂度高、参数量大、分割速度慢和分割精度低的问题,本文提出一种基于轻量化改进U-Net的光伏电池缺陷分割模型。首先,使用MobitNetV3_Large网络替换原U-Net的主干网络,在减少模型计算量和参数量的同时,保留原网络的特征提取能力。其次,将DynamicConv模块融入GhostConv模块,设计出G-DConv模块,替换原U-Net上采样部分使用的普通卷积模块,在最大化减少网络参数和计算量的同时,提升模型的推理速度。最后,通过在网络上采样后引入ECA注意力机制,减少复杂背景对检测效果的干扰。实验结果表明,该模型的参数量仅为2.43×10^(6),计算量仅为3.03×10^(9),推理速度达到61 frame/s。相比基准模型,改进后的模型MIoU和MPA分别提升0.12个百分点和2.17个百分点,满足工业设备部署要求。 展开更多
关键词 光伏电池 u-net 轻量化 语义分割 ECA
在线阅读 下载PDF
基于Mamba-UNet架构的3D MRI脑肿瘤分割方法
18
作者 张野 牛大田 《计算机应用研究》 北大核心 2026年第1期305-312,共8页
多模态MRI脑肿瘤影像的精准分割对脑癌临床诊疗及预后评估至关重要。针对卷积神经网络在捕获全局上下文信息和建立长远程依赖关系方面存在的局限性,提出了基于Mamba与U-Net融合架构的PhC-ToMamba分割模型。模型在瓶颈层嵌入了ToM模块旨... 多模态MRI脑肿瘤影像的精准分割对脑癌临床诊疗及预后评估至关重要。针对卷积神经网络在捕获全局上下文信息和建立长远程依赖关系方面存在的局限性,提出了基于Mamba与U-Net融合架构的PhC-ToMamba分割模型。模型在瓶颈层嵌入了ToM模块旨在有效建模高维特征的全局信息,通过从三个方向计算特征依赖关系并交互,提取更适用于三维图像的全局特征信息;此外,为进一步提升全局特征的提取能力,提出了一种新的多面体卷积(PhConv),并将其嵌入至编码器中,显著扩大了感受野,并提升对重点目标区域的特征提取能力,有效解决了当前主流脑肿瘤图像分割模型对全局信息感知的局限性问题,增强了对关键区域的关注度。在BraTS 2021和MSD Task01_BrainTumor数据集上进行了广泛的实验。实验结果显示,PhC-ToMamba在整个肿瘤、肿瘤核心和增强肿瘤分割任务中的Dice系数分别达到了95.05%/90.46%、94.53%/89.91%和90.74%/75.91%。与其他先进方法相比,PhC-ToMamba在分割精度和参数效率方面展现了优越性,为脑肿瘤分割任务提供稳健的解决方案,从而提高了诊断准确性。 展开更多
关键词 深度学习 MRI脑肿瘤分割 多面体卷积 三维u-net Mamba
在线阅读 下载PDF
基于改进U2-Net的低剂量CT图像去噪算法研究
19
作者 董建 伍敏婷 王琪玉 《自动化与仪表》 2026年第1期101-106,共6页
针对低剂量CT(LDCT)因辐射剂量降低而导致的图像噪声加剧与细节模糊问题,该文提出一种基于改进U2-Net的去噪算法。该算法引入残差U形模块,强化了网络对多尺度特征的融合能力以精确恢复组织结构;同时,设计了融合均方误差、结构相似性、... 针对低剂量CT(LDCT)因辐射剂量降低而导致的图像噪声加剧与细节模糊问题,该文提出一种基于改进U2-Net的去噪算法。该算法引入残差U形模块,强化了网络对多尺度特征的融合能力以精确恢复组织结构;同时,设计了融合均方误差、结构相似性、边缘与全变分的多分量联合损失函数,协同提升图像保真度与视觉质量。在公开LDCT基准数据集上的综合评估表明,与现有算法相比,该算法的峰值信噪比(PSNR)和结构相似性(SSIM)指标均表现更优,能在有效抑制噪声的同时清晰保留关键解剖细节,展现出良好的临床应用价值。 展开更多
关键词 计算机断层成像 低剂量CT(LDCT) u2-net网络 图像去噪 联合损失函数
在线阅读 下载PDF
基于改进U-Net模型的细胞图像分割
20
作者 郭健邦 陈昌奉 罗伟铭 《软件导刊》 2026年第2期172-179,共8页
为了解决传统U-Net模型存在的非线性特征提取能力有限、细胞图像分割精度较低的问题,提出一种基于改进的U-Net网络模型的细胞图像分割算法。首先,在U-Net网络模型的基础上改进原有Conv_Block卷积块的结构,设计了一种新的卷积结构Catch_C... 为了解决传统U-Net模型存在的非线性特征提取能力有限、细胞图像分割精度较低的问题,提出一种基于改进的U-Net网络模型的细胞图像分割算法。首先,在U-Net网络模型的基础上改进原有Conv_Block卷积块的结构,设计了一种新的卷积结构Catch_Conv,减少U-Net网络在卷积过程中重复提取patch中的冗余信息;其次,在特征融合过程中引入带有残差模块的SE-Attention注意力机制Res-SEAtt,确保U-Net网络感受野不减小的情况下,降低池化处理导致的信息损失。实验表明,所提算法的分割准确度达到97.88%,DICE系数达到92.45%,相较于其他模型在评价指标上具有更好的分割效果。 展开更多
关键词 图像分割 卷积神经网络 u-net 注意力机制
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