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841篇文章
< 1 2 … 43 >
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的人工光植物工厂生菜图像分割方法
2
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
3
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
DBU-Net:基于改进SAM的双分支U-Net图像隐写方法
4
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SDP图像转换和融合自注意力机制U-net神经网络的电机故障诊断
5
作者 徐丽 周腊吾 +3 位作者 龙卓 周子靖 周宇微 吴子豪 《中国测试》 北大核心 2026年第2期162-174,共13页
为攻克电机系统故障特征提取困难及小样本数据难以满足模型训练需求的难题,研究一种高效精准的电机故障诊断方法。提出融合参数优化对称点模式(SDP)与语义分割模型U-net的诊断方案,先利用SDP分析电机三相振动信号,将故障特征转化为SDP图... 为攻克电机系统故障特征提取困难及小样本数据难以满足模型训练需求的难题,研究一种高效精准的电机故障诊断方法。提出融合参数优化对称点模式(SDP)与语义分割模型U-net的诊断方案,先利用SDP分析电机三相振动信号,将故障特征转化为SDP图像,经对称性反色操作增强特征信号,再对生成图像进行数据泛化扩充,输入Unet网络上下采样处理,最后通过多层感知机完成故障分类。在0 HP、1 HP和2 HP三种负载工况下,对正常电机、断条电机、单相断路电机和转子错位电机进行测试,改进后的U-net模型故障诊断准确率超98%。实验表明,该方法有效解决电机故障诊断中的特征提取与小样本难题,在多种故障场景中展现出优异性能与可靠的诊断能力。 展开更多
关键词 电机故障诊断 对称点模式 扩散模型 u-net神经网络 自注意力机制 多层次感知机
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
6
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
xLSTM-U-Net:一种高效的半航空瞬变电磁信号去噪网络
7
作者 时点星 刘祜 《铀矿地质》 2026年第2期338-346,共9页
半航空瞬变电磁法(Semi-Airborne Transient Electromagnetic Method,SATEM)因其高效、非接触式的特点,在矿产资源勘探、地下水与地热资源调查等领域得到越来越多的应用实践。铀矿半航空瞬变电磁实测数据受复杂噪声干扰,导致后续处理与... 半航空瞬变电磁法(Semi-Airborne Transient Electromagnetic Method,SATEM)因其高效、非接触式的特点,在矿产资源勘探、地下水与地热资源调查等领域得到越来越多的应用实践。铀矿半航空瞬变电磁实测数据受复杂噪声干扰,导致后续处理与解释精度下降。传统去噪方法,如滤波或小波变换,往往依赖于特定的模型假设,面临参数选择主观性强、易损伤晚期道微弱信号等问题。为解决上述问题,文章提出一种基于扩展长短时记忆网络(Extended Long Short-Term Memory,xLSTM)和U-Net联合深度学习架构的端到端半航空瞬变电磁信号降噪网络(xLSTM-U-Net)。该网络以U型编解码网络为骨架,用于融合多尺度的空间特征;同时,在编码器中创新性地嵌入xLSTM模块,利用其强大的长序列建模能力,在长时间维度上自动提取并分离噪声特征;解码器负责重建去噪信号,并通过跳跃连接融合底层空间细节与高层语义信息,实现高效、精准的噪声剔除。试验结果表明,经xLSTM-U-Net网络去噪后的数据信噪比提升明显。与传统小波变换相比,长短时记忆网络及U-Net网络去噪方法在铀矿半航空瞬变电磁数据的噪声抑制效果与信号保真度上具有显著优势,为铀矿勘查地球物理勘探技术发展提供了有力支持。 展开更多
关键词 铀矿勘查 半航空瞬变电磁法 u-net 去噪 长短时记忆网络
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
8
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
结合U-Net优化和3D跟踪算法的光伏电站设备实时监测技术研究
9
作者 杨志仁 《自动化应用》 2026年第3期187-190,共4页
光伏电站的可靠运作对电力供应的稳定性具有重大意义,然而,传统人工巡检方式存在效率低、时效性差等问题。为此,提出了一种创新的光伏电站设备实时监测模型,该模型通过利用扩张残差网络对U-Net进行优化,并融合三维跟踪算法,最终在电气... 光伏电站的可靠运作对电力供应的稳定性具有重大意义,然而,传统人工巡检方式存在效率低、时效性差等问题。为此,提出了一种创新的光伏电站设备实时监测模型,该模型通过利用扩张残差网络对U-Net进行优化,并融合三维跟踪算法,最终在电气设备图像数据集上进行了实验验证。实验结果表明,采用扩张残差网络(DRN)优化后的U-Net语义分割方法,其精确率、召回率和平均交并比相较于其他3种方法,分别平均提升了11.15%,9.40%,12.00%。在实际应用场景中,所提模型在晴天条件下表现最佳,追踪成功率高达98.8%,三维定位误差仅为0.07 m。同时,与阴天和遮挡场景相比,晴天场景下的平均处理时间缩短了51.78%。研究结果表明,所提模型可有效提高光伏电站设备实时监测的准确率,缩短处理时间,从而有效解决人工巡检方式效率低、实时性差的问题。 展开更多
关键词 u-net网络 3D跟踪算法 光伏电站 核相关滤波器
在线阅读 下载PDF
基于改进U-Net网络的路面裂缝检测方法
10
作者 项先隆 刘磊 《安徽工业大学学报(自然科学版)》 2026年第1期52-60,共9页
针对路面裂缝检测任务中精度与计算效率难以兼顾的问题,提出一种基于改进U-Net的轻量化网络(MSAL-UNet)。首先构建轻量化编码器并集成卷积块注意力模块(CBAM),以动态增强裂缝关键区域的特征响应,提升模型对低对比度目标的感知能力;其次... 针对路面裂缝检测任务中精度与计算效率难以兼顾的问题,提出一种基于改进U-Net的轻量化网络(MSAL-UNet)。首先构建轻量化编码器并集成卷积块注意力模块(CBAM),以动态增强裂缝关键区域的特征响应,提升模型对低对比度目标的感知能力;其次设计多尺度空洞卷积模块(MSDC),在不降低空间分辨率的前提下扩展感受野,有效捕获从细小裂缝到宽域上下文的多尺度信息,显著抑制误检现象;进一步引入特征金字塔网络(FPN),实现跨层级的语义对齐与多尺度特征融合,提升裂缝定位的连贯性与边界平滑性。在公开数据集CRACK500上开展对比与消融实验,验证本文所提方法的性能。结果表明:本文方法在保持34.45 frames/s实时推理速度的同时,平均交并比(mIoU)达0.8320,精确率提升至0.9180(所有对比模型中最高),F1-score达0.9063,综合性能显著优于BiSeNet,Fast-SCNN,SegFormer和TransUNet等主流轻量化网络;尤其在浅裂缝与复杂裂缝场景下,MSAL-Unet的分割结果在完整性和边界准确性方面均表现最优。本研究通过协同优化多尺度特征融合、注意力机制与轻量化结构设计,有效解决了路面裂缝检测中精度与效率的平衡难题,为实际道路智能巡检系统提供了高可靠性与低计算开销的技术支撑。 展开更多
关键词 路面裂缝检测 u-net 轻量化网络 注意力机制 多尺度特征融合 空洞卷积 特征金字塔网络 智能养护
在线阅读 下载PDF
基于改进U-Net模型的细胞图像分割
11
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
一种基于生成对抗网络和改进U-Net的排水管道缺陷识别模型
12
作者 刘勇 李有淋 《城市道桥与防洪》 2026年第1期33-38,共6页
通过集成生成对抗网络图像生成及增强技术,利用卷积注意力模块CBAM(Convolutional Block Attention Module)改进U-Net网络,提出了一种下排水管道缺陷高精度识别模型,以准确自动对排水管道影像缺陷进行分割识别。该模型取得了满意的识别... 通过集成生成对抗网络图像生成及增强技术,利用卷积注意力模块CBAM(Convolutional Block Attention Module)改进U-Net网络,提出了一种下排水管道缺陷高精度识别模型,以准确自动对排水管道影像缺陷进行分割识别。该模型取得了满意的识别结果,在验证集中平均像素精度mPA(Mean Pixel Accuracy)、平均交联度mIoU(Mean Intersection over Union)分别为91.40%、85.02%。结果表明,利用生成对抗网络对采集数据中较少的缺陷类别图像生成及增强,能够大大提高少样本缺陷识别的准确度,数据增强后对PSPNet、U-Net以及不同主干网络的DeepLabv3+网络得到大幅度提升,mPA、mIoU平均增长20%~30%。加入CBAM注意力模块能够提升U-Net的分割能力,使模型具有更好的像素级分割能力。 展开更多
关键词 排水管道缺陷 生成对抗网络 u-net CBAM
在线阅读 下载PDF
基于优化的U-net网络掘进工作面煤岩识别方法研究 被引量：2
13
作者 栾恒杰 杨玉晴 +4 位作者 刘建康 蒋宇静 刘建荣 马德良 张孙豪 《采矿与岩层控制工程学报》 北大核心 2025年第1期94-108,共15页
为了提高煤岩识别的精准度,采集了内蒙古上海庙矿业有限责任公司榆树井煤矿掘进工作面煤岩原始图像并制作了深度学习数据集,通过FCN全卷积神经网络(FCN网络)、Unet语义分割网络(U-net网络)与加入Canny边缘检测算法改进后的U-net网络等3... 为了提高煤岩识别的精准度,采集了内蒙古上海庙矿业有限责任公司榆树井煤矿掘进工作面煤岩原始图像并制作了深度学习数据集,通过FCN全卷积神经网络(FCN网络)、Unet语义分割网络(U-net网络)与加入Canny边缘检测算法改进后的U-net网络等3种网络模型对数据集进行训练,并对训练结果进行对比分析。分析结果表明:在训练次数达到100次时,3种网络模型准确率分别为89.25%, 93.52%及94.55%,改进U-net网络模型准确率相较改进前提高1.03%;在煤岩识别方面, U-net网络模型比FCN网络模型取得了更高的准确率,在测试环节中也表现出了更好的性能;在预测环节中,对煤岩边缘部分的识别做到了更为精准的处理。该方法可为煤岩识别的精准度的提高提供参考。 展开更多
关键词 煤岩识别 深度学习 u-net网络 CANNY边缘检测算法
在线阅读 下载PDF
基于改进U-Net的城市洪涝灾害图像识别模型 被引量：1
14
作者 钟兴润 田晨斌 +2 位作者 李新宏 孟晓静 杨文欣 《中国安全科学学报》 北大核心 2025年第10期190-197,共8页
为解决洪涝灾害识别模型在城市复杂背景下区域分割不清和细节还原不足等问题,提升洪涝灾害图像识别准确性,提出一种基于残差网络和自注意力机制的改进U-Net语义分割模型——AttResU-Net模型。该模型在经典U-Net网络架构基础上进行优化设... 为解决洪涝灾害识别模型在城市复杂背景下区域分割不清和细节还原不足等问题,提升洪涝灾害图像识别准确性,提出一种基于残差网络和自注意力机制的改进U-Net语义分割模型——AttResU-Net模型。该模型在经典U-Net网络架构基础上进行优化设计,采用深层残差网络作为编码器以增强特征表达能力,同时在解码器中引入注意力机制,以提高对关键洪涝区域的响应能力;构建完整的训练与测试流程,使用FloodNet多类别复杂环境数据集训练改进AttResU-Net模型,从定量指标和定性可视化效果2个维度来评估模型性能,并与现有主流模型进行对比分析。结果表明:AttResU-Net模型在平均像素准确率(mPA)、像素准确率(PA)、平均精度(mPrecision)等指标上表现优异,其中,mPA为79.75%、PA为90.01%、mPrecision为81.78%;相比其他模型,AttResU-Net模型在树木、水体、道路和建筑物等识别中表现出更高的分割准确率、全局像素精度和全局识别能力。 展开更多
关键词 u-net 洪涝灾害 图像识别 图像分割 注意力机制 残差
原文传递
基于深度残差U-Net网络的海上地震混采数据分离技术研究
15
作者 梁兵 郭廷超 +2 位作者 许冲 鲍伟 潘成磊 《海洋地质前沿》 北大核心 2025年第10期28-37,共10页
随着地震数据空间采样密度的提高,混合震源采集逐渐成为提高采集效率的有效手段之一,而对于混采数据进行有效分离是混合震源数据处理的重要一环。本文提出了一种基于残差U-Net网络的海上双源交替激发混采数据智能分离技术。该方法首先... 随着地震数据空间采样密度的提高,混合震源采集逐渐成为提高采集效率的有效手段之一,而对于混采数据进行有效分离是混合震源数据处理的重要一环。本文提出了一种基于残差U-Net网络的海上双源交替激发混采数据智能分离技术。该方法首先将共炮道集混采数据分选为共检波点道集数据,以此来降低非主震源激发信号的相关性,然后基于残差UNet网络实现双源混采数据的智能分离。相比传统U-Net网络,本文的网络模型增加了网络深度,并在下采样过程中引入了卷积残差模块,有效避免了梯度消失和梯度爆炸问题,提升了特征提取能力,尤其在细节问题处理上,更好地保护了有效信息。通过模型试算和实际资料处理,验证了该网络在海洋混采数据分离中的良好效果。实验结果表明,残差U-Net网络能够有效分离混采数据,且不损失有效信号,显著提高了分离结果的信噪比。研究结果可为海洋地震混采数据的高精度分离提供新思路,为后续地震资料处理奠定基础。 展开更多
关键词 混采分离 深度学习 残差u-net网络 分离精度
在线阅读 下载PDF
结合并联Transformer和残差U-Net网络的水下图像增强 被引量：1
16
作者 陈清江 李宗莹 《电子科技》 2025年第8期57-65,共9页
针对光在水中传播时被吸收,水下图像存在颜色失真、对比度低和细节模糊等问题,文中设计了一个基于并联Transformer和残差卷积的U-Net网络进行水下图像增强。在新U-Net结构中,在编码和解码部分分别置入混合卷积Transformer块(Hybrid Conv... 针对光在水中传播时被吸收,水下图像存在颜色失真、对比度低和细节模糊等问题,文中设计了一个基于并联Transformer和残差卷积的U-Net网络进行水下图像增强。在新U-Net结构中,在编码和解码部分分别置入混合卷积Transformer块(Hybrid Convolution Transformer Block,HCTB)。综合了Transformer的捕获全局信息能力和卷积块捕获局部信息能力,并且在跳跃连接部分搭建了若干平行注意模块(Parallel Attention Module,PAM)来提取更重要的像素和通道信息。采用现有UIEB(Underwater Image Enhancement Benchmark dataset)配对数据集对网络进行训练。为验证所提算法的有效性,选取不同偏色程度的水下图像进行实验与测试。实验结果表明,所提模型较其他先进模型的峰值信噪比PSNR(Peak Single-to-Ratio)值提升了4.3%,获得了较好的主观和客观评价结果,有效提升了水下图像的增强水平。 展开更多
关键词 水下图像增强 TRANSFORMER 残差卷积 u-net网络 平行注意模块 通道注意 像素注意 卷积神经网络 深度学习
在线阅读 下载PDF
基于改进U-Net网络的PCB缺陷检测方法 被引量：1
17
作者 彭勇 刘慧民 +1 位作者 李伟松 王石 《计算技术与自动化》 2025年第1期183-188,共6页
针对PCB表面小尺寸缺陷难以检测的问题,提出了一种改进的U-Net语义分割网络,实现PCB表面缺陷图像的精确检测。首先,将U-Net的四层网络层次修改为三层,可以减少整体的计算工作量、提升网络模型收敛速度、缩短训练时间;其次,在U-Net网络... 针对PCB表面小尺寸缺陷难以检测的问题,提出了一种改进的U-Net语义分割网络,实现PCB表面缺陷图像的精确检测。首先,将U-Net的四层网络层次修改为三层,可以减少整体的计算工作量、提升网络模型收敛速度、缩短训练时间;其次,在U-Net网络中融入CBAM(Convolutional Block Attention Module)模块来提升图像中缺陷目标的显著度;然后,在编码阶段使用混合空洞卷积替换原有卷积块,增大感受野,获取更多的上下文信息。结果表明,U-Net的改进模型能够在提升模型性能的同时减少计算复杂度,能够增加PCB缺陷检测效率。 展开更多
关键词 缺陷检测 u-net 空洞卷积 注意力机制 语义分割网络 轻量型网络 深度学习 小目标检测
在线阅读 下载PDF
基于深度学习U-net网络的雾天汽车视觉图像超像素级配准方法
18
作者 靳新 潘月 《激光杂志》 北大核心 2025年第4期121-127,共7页
雾天汽车视觉图像因对比度降低和细节模糊而难以处理与配准。为此,提出基于深度学习U-net网络的超像素级配准方法。首先,通过改进的直方图均衡化算法,增强雾天图像的清晰度和对比度。接着,利用结合了GAN技术的U-Net网络对图像进行初始分... 雾天汽车视觉图像因对比度降低和细节模糊而难以处理与配准。为此,提出基于深度学习U-net网络的超像素级配准方法。首先,通过改进的直方图均衡化算法,增强雾天图像的清晰度和对比度。接着,利用结合了GAN技术的U-Net网络对图像进行初始分割,获取不同区域的标签集。随后,应用SLIC超像素分割算法,将相似像素组合成超像素,形成更具代表性的图像特征。最后,采用改进SURF算法,利用超像素特征进行精确图像对齐,提高配准精度和效率。实验证明,此方法不仅能有效改善雾天汽车视觉图像质量,还具备高配准精度,NCC值稳定在0.92至0.95之间。 展开更多
关键词 直方图均衡化 深度学习GAN-u-net分割网络 SLIC超像素分割 SuRF超像素级配准
原文传递
基于改进U-Net的舌象分割算法
19
作者 唐满 魏兵 郭东恩 《南阳理工学院学报》 2025年第4期8-15,共8页
舌诊作为一种独特的中医诊断手段,在疾病诊断、治疗及预防中发挥着不可替代的作用。针对传统舌诊主观性强和对医生经验依赖性高的问题,提出一种基于改进U-Net的舌象分割算法,通过引入条状池化和自适应空间金字塔池化(Atrous Spatial Pyr... 舌诊作为一种独特的中医诊断手段,在疾病诊断、治疗及预防中发挥着不可替代的作用。针对传统舌诊主观性强和对医生经验依赖性高的问题,提出一种基于改进U-Net的舌象分割算法,通过引入条状池化和自适应空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)对经典U-Net架构进行改进。首先对U-Net网络进行扩展,添加条状池化层以增强模型对舌象细节特征的捕捉能力,并引入ASPP模块以融合多尺度上下文信息。此外,通过数据集优化处理来增强模型的泛化能力。实验结果表明,改进后的U-Net模型在舌象分割任务上取得了显著的性能提升,提高了舌象分割的准确性,使得后续的舌象特征提取更加准确和一致,有助于标准化舌诊流程,具有较高的临床应用价值。 展开更多
关键词 舌象分割 卷积神经网络 u-net 条状池化 ASPP
在线阅读 下载PDF
基于多视图融合和2.5D U-Net的海马体图像分割
20
作者 陈立伟 彭逸飞 +1 位作者 余仁萍 孙源呈 《郑州大学学报(工学版)》 北大核心 2025年第5期26-34,共9页
针对现有海马体图像自动分割方法不能很好地利用上下文信息导致分割准确率难以提高以及训练和检测过程中内存消耗大的问题,提出了一种基于多视图融合和2.5D U-Net的海马体图像分割模型MVF-2.5D U-Net。首先,模型对2D U-Net进行了改进,增... 针对现有海马体图像自动分割方法不能很好地利用上下文信息导致分割准确率难以提高以及训练和检测过程中内存消耗大的问题,提出了一种基于多视图融合和2.5D U-Net的海马体图像分割模型MVF-2.5D U-Net。首先,模型对2D U-Net进行了改进,增加Triplet Attention模块的同时调整了网络的层深;其次,使用相邻切片组成的三通道2.5D图像代替传统的单切片输入;最后,构建了一个体积融合网络代替传统的众数投票机制。在HarP数据集上通过交叉验证的方式对网络进行了实验验证。实验结果表明:所提模型在海马体图像分割任务上的平均Dice系数和豪斯多夫距离分别为0.902和3.02,准确率和稳定性优于传统的U-Net模型和对比算法,同时适用于资源受限的环境。实验证明所提模型能够更有效地实现磁共振影像上的海马体分割。 展开更多
关键词 海马体图像分割 卷积神经网络 u-net Triplet Attention 注意力机制 体积融合网络
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 … 43 下一页 到第 页
使用帮助 返回顶部