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457篇文章
< 1 2 … 23 >
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IG-EMA-U2Net的黄铁矿浮选泡沫图像分割算法 被引量：2
1
作者 杜荣谦 刘琼 刘光举 《金属矿山》 北大核心 2025年第3期202-209,共8页
浮选泡沫的表面视觉特征是浮选工况和相关工艺指标的指示器,传统的浮选泡沫图像分割方法存在特征提取能力弱、边缘分割不准确、容易造成漏分割等问题。为解决这一现实问题,以便更科学、客观地实现对浮选作业的智能化控制,研究以黄铁矿... 浮选泡沫的表面视觉特征是浮选工况和相关工艺指标的指示器,传统的浮选泡沫图像分割方法存在特征提取能力弱、边缘分割不准确、容易造成漏分割等问题。为解决这一现实问题,以便更科学、客观地实现对浮选作业的智能化控制,研究以黄铁矿浮选泡沫为对象,提出了改进的IG-EMA-U2Net泡沫分割算法。该算法以U2Net为主干网络,首先在U2Net外部的下采样处引入EMA注意力机制,提升网络对泡沫的关注度,减少下采样和跳跃连接造成的空间信息损失;再将改进的InceptionV1+BN模块替换RSU7残差块的第一层卷积池化模块,得到IRU模块,增强对泡沫图像特征信息的提取能力;最后提出GRU模块,使用GhostConv替代RSU5、RSU4和RSU4F中的传统卷积,在分割精度不变的情况下,减小算法的计算成本和参数量。研究表明,IG-EMA-U2Net算法的Dice系数、召回率R和F1-score分别达93.98%、94.07%和94.00%,较常用分割算法UNet、DeepLabV3+和U2Net的分割精度更高、分割效果更好,有效减少了漏分割。 展开更多
关键词 泡沫浮选 图像分割 u2net EMA模块 GhostConv
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
2
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
基于改进U2Net的仪表读数识别
3
作者 王建超 张珊珊 +2 位作者 王向 赵晓东 苏鹤 《微电子学与计算机》 2025年第7期93-102,共10页
随着智能制造行业的快速发展,图像分割与数据提取技术开始逐渐应用于指针式仪表识别领域。在复杂场景中,现有的图像分割与数据提取方法存在指针和刻度识别误差较大、数据提取不准确等问题。为了提高指针式仪表识别算法的准确性和鲁棒性... 随着智能制造行业的快速发展,图像分割与数据提取技术开始逐渐应用于指针式仪表识别领域。在复杂场景中,现有的图像分割与数据提取方法存在指针和刻度识别误差较大、数据提取不准确等问题。为了提高指针式仪表识别算法的准确性和鲁棒性,提出了一种改进U2Net语义分割技术的新方法。使用深度可分离卷积代替RSU中的普通卷积并融合空洞卷积,以降低运算的复杂度同时扩大模型的接受场。设计多注意力融合模块以提升网络对特征提取的敏感性和准确性。最后把交叉熵损失和角度偏移误差相结合作为最终损失函数,提高对整个数据集的泛化能力,减少因类别不平衡导致的性能下降。通过增强角度法进行读数计算,结果表明:改进后算法的mIoU值为70.50%,相较于原算法提升了14.02%,帧率从4.032frame/s提高到5.82frame/s,有效地提高了复杂场景下指针和刻度的识别精度。 展开更多
关键词 u2net 注意力机制 深度可分离卷积 指针式仪表 空洞卷积
在线阅读 下载PDF
基于改进U2Net模型的无人机航拍图像地物分割
4
作者 韩旭 《测绘与空间地理信息》 2025年第6期175-177,184,共4页
针对常用航拍图像分割分类方法效果较差、对复杂环境适应性弱等问题,提出一种改进U2Net深度学习(U2 Convolutional Networks)航拍图像分割模型。对U2Net模型中残差子模块添加通道注意力与条件模块,对不同特征层添加权重信息,可有效提高U... 针对常用航拍图像分割分类方法效果较差、对复杂环境适应性弱等问题,提出一种改进U2Net深度学习(U2 Convolutional Networks)航拍图像分割模型。对U2Net模型中残差子模块添加通道注意力与条件模块,对不同特征层添加权重信息,可有效提高U2Ne模型对航拍图像有效特征提取能力,增加模型稳定性。在航拍图像分割公共数据集中,与U2Net模型比较,准确率和召回率均有所提高,表明所提改进模型可稳定分割航拍图像,具有较强的鲁棒性。 展开更多
关键词 航拍图像地物分割 u2net模型 残差子模块 通道注意力与条件模块
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
5
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
基于改进U2Net的地基云图分割技术
6
作者 翟坤宁 付主木 +3 位作者 王秀菊 朱海兵 卫健行 常君锐 《科学技术与工程》 北大核心 2025年第14期5737-5744,共8页
云在地球的大气运动中扮演着重要的角色,精准分割地基云图对天气预报精度的提升起着至关重要的作用。针对现有开源云图数据集数据质量不一、数据量低、拍摄角度不同等问题,通过人工标注和迁移学习的方法构建了带标签的标准地基云图数据... 云在地球的大气运动中扮演着重要的角色,精准分割地基云图对天气预报精度的提升起着至关重要的作用。针对现有开源云图数据集数据质量不一、数据量低、拍摄角度不同等问题,通过人工标注和迁移学习的方法构建了带标签的标准地基云图数据集(Cloud-GT),利用颜色通道分量阈值分割法剔除太阳光干扰,并在此基础上提出了一种基于改进U2Net的地基云图分割技术。该模型在特征提取单元中引入了通道注意力模块和深度可分离卷积模块,在提高网络内部对地基云图有效特征提取的同时极大减少了网络模型参数。最后,将该方法与经典分割网络进行比较分析,实验结果表明,该方法的类别像素准确率、类别平均像素精度、平均交并比、交并比和F1分别达到了84.03%、90.88%、84.13%、74.12%和89.59%,与U2Net、UNet和FCN相比,其效果有了明显的提升。可见该方法不仅极大地减少了模型的参数量,还有效提高了分割的精度,为实际应用提供了可能。 展开更多
关键词 地基云图 图像分割 u2net 注意力机制
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
7
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
一种基于U2-Net模型的电阻抗成像方法 被引量：23
8
作者 叶明 李晓丞 +2 位作者 刘凯 韩伟 姚佳烽 《仪器仪表学报》 EI CAS CSCD 北大核心 2021年第2期235-243,共9页
电阻抗成像(EIT)是一种实现场域内电导率分布情况图像重建的成像技术。传统的电阻抗成像算法成像精度较低,为解决此问题,提出一种基于U2-Net深度学习模型的新型电阻抗图像重建方法。首先,以U2-Net模型为基础,创新地提出了拼接层(CAT)的... 电阻抗成像(EIT)是一种实现场域内电导率分布情况图像重建的成像技术。传统的电阻抗成像算法成像精度较低,为解决此问题,提出一种基于U2-Net深度学习模型的新型电阻抗图像重建方法。首先,以U2-Net模型为基础,创新地提出了拼接层(CAT)的概念用于数据扩展,使得U2-Net的输入层结构简单,运算速度快;其次,使用仿真数据集对该网络进行训练,使用验证集选择最优的模型参数,结果表明,提出的算法测量精度高、鲁棒性好,在仿真数据集的表现优于其他算法。最后,提出一种新的EIT成像质量评价指标:中心和面积误差(CAE)用于验证算法在实验中的表现,实验结果表明,所提算法的CAE为4.975,对于目标物的中心和面积预测更为准确,成像效果优于其他对比算法。 展开更多
关键词 电阻抗成像 图像重建 u2-net 深度学习
原文传递
基于YOLOv7+U2-Net的指针式仪表检测与识别 被引量：9
9
作者 曲海成 张旺 《计算机系统应用》 2023年第11期276-285,共10页
针对复杂环境下指针式仪表检测与识别过程中存在定位仪表困难和推理精度低等问题,本文提出一种基于YOLOv7+U2-Net的多量程仪表识别方法.为了提高U2-Net模型的输入图像质量,选择推理精度和速度快的YOLOv7检测器,将检测、裁剪好的图像作... 针对复杂环境下指针式仪表检测与识别过程中存在定位仪表困难和推理精度低等问题,本文提出一种基于YOLOv7+U2-Net的多量程仪表识别方法.为了提高U2-Net模型的输入图像质量,选择推理精度和速度快的YOLOv7检测器,将检测、裁剪好的图像作为模型的输入图像数据集,同时对输入图像进行了旋转矫正,使模型适用于多角度仪表识别.针对仪表读数推理精度差和速度慢等问题,将U2-Net解码阶段的RSU4-RSU7的普通卷积更换成了深度可分离卷积,在此基础上引入了Attention机制,加快整体推理速度和精度.此外,为了提高该方法的普遍适用性,提出了多阈值范围内的识别准确率判别方法来适配多种应用场景.通过对比实验表明,在收集到的数据集上进行评估,相较于模板匹配、SegNet、PSPNet、Deeplabv3+及U-Net方法,本文方法识别准确率达到96.5%,在多个阈值区间内都具有良好性能表现. 展开更多
关键词 深度学习 指针式仪表识别 YOLOv7 深度可分离卷积 u2-net
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
10
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
U20Mn2SiCrNiMo贝氏体轨钢等温冷却转变的显微组织演化 被引量：1
11
作者 李智丽 梁正伟 +4 位作者 张凤明 寇沙沙 杨维宇 白雅琼 靳燕 《金属热处理》 北大核心 2025年第5期236-241,共6页
结合U20Mn2SiCrNiMo贝氏体钢轨的实际生产工艺和静态CCT曲线,在实验室设计了系列快冷+等温转变热模拟试验,利用Formastor-F型全自动相变仪、金相显微镜、扫描电镜对钢在475~280℃等温冷却过程中的相变规律及组织演化进行研究。结果表明,... 结合U20Mn2SiCrNiMo贝氏体钢轨的实际生产工艺和静态CCT曲线,在实验室设计了系列快冷+等温转变热模拟试验,利用Formastor-F型全自动相变仪、金相显微镜、扫描电镜对钢在475~280℃等温冷却过程中的相变规律及组织演化进行研究。结果表明,U20Mn2SiCrNiMo钢过冷奥氏体在475、450、400℃等温时较为稳定,只发生少量的贝氏体相变或者不发生相变,425℃、375℃等温时生成了一定量的粒状贝氏体,而在350、325、300℃等温时,过冷奥氏体生成了大量细小、均匀的板条贝氏体,当等温温度降低至280℃,过冷奥氏体几乎不发生贝氏体相变。因此,U20Mn2SiCrNiMo贝氏体钢热处理过程中应避免在375℃以上温度停留,从而避免形成粗大组织。试验钢最佳的贝氏体转变温度范围为350~300℃,可获得细小均匀的贝氏体+马氏体组织。 展开更多
关键词 u20Mn2SiCrNiMo贝氏体轨钢 等温转变 组织演化 CCT曲线
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：3
12
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U2NET的边缘检测研究 被引量：1
13
作者 杨洪成 岳杰 +1 位作者 赵明瞻 张大伟 《河北建筑工程学院学报》 CAS 2024年第2期229-235,共7页
边缘检测在计算机视觉领域中扮演着重要角色,其可用于目标检测、图像分割等任务。U2NET是一种基于U-Net的深度学习模型,通过分层次的特征提取和上下文感知的特征融合来实现高精度的图像分割。针对U2NET在边缘检测中的应用进行研究,发现... 边缘检测在计算机视觉领域中扮演着重要角色,其可用于目标检测、图像分割等任务。U2NET是一种基于U-Net的深度学习模型,通过分层次的特征提取和上下文感知的特征融合来实现高精度的图像分割。针对U2NET在边缘检测中的应用进行研究,发现传统卷积核对在卷积过程中对梯度信息不敏感的问题,传统的卷积块进行卷积时,内核优化是随机初始化的,对梯度信息没有显示编码,这导致了它很难专注于边缘相关的特征,而差分卷积是将卷积核覆盖的局部特征patch内的原始像素替换为像素差,将有用的像素关系进行编码,将其保留在训练过程中的卷积核内,这样就能克服传统CNN对捕获梯度信息不敏感的问题。并且在自制数据集和BSDS500公共数据集进行实验验证,证明了差分卷积U2NET在边缘检测任务上的优越性能。研究结果表明,基于差分卷积的U2NET是一种可以实现抠图和边缘检测的高效模型,可应用于各种实际场景中。 展开更多
关键词 u2net 边缘检测 深度学习 差分卷积
在线阅读 下载PDF
轻量化YOLOv5s与U^(2)-Net的指针式仪表智能读数方法
14
作者 苏盈盈 斯洪云 +2 位作者 唐霞 刘兴华 郭利霞 《吉首大学学报(自然科学版)》 2025年第4期44-51,共8页
针对指针式仪表智能定位速度慢和读数精准度低的问题,设计了一种基于YOLOv5s模型与U^(2)-Net模型的指针式仪表智能读数方法.首先,对YOLOv5s主干与颈部中的部分批量化归一层进行通道剪枝,实现模型轻量化,提升仪表定位速度;然后,针对现场... 针对指针式仪表智能定位速度慢和读数精准度低的问题,设计了一种基于YOLOv5s模型与U^(2)-Net模型的指针式仪表智能读数方法.首先,对YOLOv5s主干与颈部中的部分批量化归一层进行通道剪枝,实现模型轻量化,提升仪表定位速度;然后,针对现场采集图像存在阴影、噪声等问题,对图像进行增强处理,使模型适用于复杂环境;其次,采用U^(2)-Net模型分割指针和刻度,定位指针在刻度上的相对位置,提升读数的准确率;最后,采用距离法进行仪表读数.实验结果表明,轻量化YOLOv5s模型的大小较YOLOv5s模型缩减56.35%,定位时间减少18.18%,轻量化YOLOv5s模型的读数识别测试准确率为93.42%,平均绝对误差为0.032,平均读数误差率为0.605%,每张图片平均测试时间为0.402s,满足工业检测要求. 展开更多
关键词 指针式仪表 YOLOv5s 通道剪枝 u2 net 距离法
在线阅读 下载PDF
基于U2Net的自动抠图技术研究 被引量：1
15
作者 赵子荣 司亚超 《河北建筑工程学院学报》 CAS 2023年第3期202-206,共5页
针对计算机视觉领域当中的抠图问题,提出了一种基于U2Net的自动抠图技术,以快速、准确地分离图像中的前景和背景。研究采用深度学习模型,通过学习图像中前景和背景的差异来实现高效、精准的抠图过程。在实验过程中,使用经过预训练的U2Ne... 针对计算机视觉领域当中的抠图问题,提出了一种基于U2Net的自动抠图技术,以快速、准确地分离图像中的前景和背景。研究采用深度学习模型,通过学习图像中前景和背景的差异来实现高效、精准的抠图过程。在实验过程中,使用经过预训练的U2Net模型来进行抠图,采用均分误差等通用的抠图效果评价指标对结果进行评判,较其他抠图技术表现出更优的效果。实验表明,在各种复杂场景下,该技术展现出良好的抠图效果,并且具备更高的准确率和更快的处理速度。同时该技术在图像编辑、计算机视觉、医疗影像等多个领域都有广泛的应用前景。 展开更多
关键词 图像抠图 深度学习 u2net 前景分割 背景分割
在线阅读 下载PDF
基于改进U2-Net网络的多裂肌MRI图像分割算法 被引量：3
16
作者 王子民 周悦 +3 位作者 关挺强 郭欣 胡巍 王茂发 《南京信息工程大学学报》 CAS 北大核心 2024年第3期364-373,共10页
针对腰间盘突出患者MRI图像多裂肌病变部位分割精度较低的问题,提出一种改进的U2-Net网络的新模型,目标是使得编码和解码的子网络通过一系列嵌套的跳跃路径来相互连接.重新设计U2-Net模型中RSU-7、RSU-6、RSU-5、RSU-4中间的跳跃连接,RS... 针对腰间盘突出患者MRI图像多裂肌病变部位分割精度较低的问题,提出一种改进的U2-Net网络的新模型,目标是使得编码和解码的子网络通过一系列嵌套的跳跃路径来相互连接.重新设计U2-Net模型中RSU-7、RSU-6、RSU-5、RSU-4中间的跳跃连接,RSU-4F部分不变,用来降低编码解码子网络中特征图的语义缺失.为了提取到高质量的多裂肌特征,加入通道注意力模块,通过学习每个通道的权重,使网络能够更好地关注对任务有贡献的通道,从而提升模型的性能.为验证模型的有效性,在多裂肌MRI图像数据集上进行实验,发现相较于U-Net、U2-Net、U-Net++网络结构,骰子系数(Dice)、豪斯多夫距离(HD)以及均交并比(MIoU)3个指标均有优化.实验结果表明,本文提出的算法对于多裂肌的MRI图像分割有较好的效果,能够辅助医生对病情做出判断. 展开更多
关键词 磁共振成像(MRI) 深度学习 医学图像分割 多裂肌 注意力机制 稠密连接 u2-net
在线阅读 下载PDF
基于U2-Net深度网络和投影波谷法的在架图书错序检测 被引量：2
17
作者 王红芳 王宇航 +1 位作者 宣静雯 张凯兵 《现代电子技术》 北大核心 2024年第3期149-154,共6页
针对在架图书错序检测中图书索书号区域的准确定位关键问题,提出一种基于U2⁃Net深度网络和投影波谷法的在架图书索书号区域定位识别方法。该方法首先使用U2⁃Net深度网络对在架图书索书号区域进行预分割,然后通过投影波谷法对每本图书的... 针对在架图书错序检测中图书索书号区域的准确定位关键问题,提出一种基于U2⁃Net深度网络和投影波谷法的在架图书索书号区域定位识别方法。该方法首先使用U2⁃Net深度网络对在架图书索书号区域进行预分割,然后通过投影波谷法对每本图书的索书号区域进一步精确分割,最后对分割出的索书号区域图像使用光学字符识别技术,完成对索书号的识别,通过对识别结果进行排序关系判断,完成错序检测过程。实验结果表明,该方法能实现准确的索书号区域图像分割,为图书馆智能化管理提供了有效的解决方案。 展开更多
关键词 深度网络 u2⁃net 投影波谷法 图书错序检测 光学字符识别 索书号定位
在线阅读 下载PDF
基于YOLOv5和U2-Net的高铁桥梁裂缝智能检测方法研究 被引量：2
18
作者 乔攀 潘存治 张萌萌 《石家庄铁道大学学报（自然科学版）》 2023年第4期102-107,119,共7页
传统数字图像处理技术在处理桥梁结构裂缝时由于裂缝形态和环境影响的复杂性导致检测效果不佳,且缺乏自适应和智能化的能力。为此,基于深度学习提出了一种结合YOLOv5和U2-Net的裂缝检测系统。YOLOv5可实现裂缝实时高精度识别和定位,引... 传统数字图像处理技术在处理桥梁结构裂缝时由于裂缝形态和环境影响的复杂性导致检测效果不佳,且缺乏自适应和智能化的能力。为此,基于深度学习提出了一种结合YOLOv5和U2-Net的裂缝检测系统。YOLOv5可实现裂缝实时高精度识别和定位,引入更适用与显著性目标且特征提取能力强的U2-Net图像分割模型,提出了基于计算轮廓最大内切圆算法的裂缝宽度测量法,通过模拟高铁桥梁的破坏性实验,采集2560张测试图像作为系统的输入端对该系统进行评估。结果表明,识别定位模型测试集的准确率、召回率、平均精确度分别为92.21%、94.63%、95.32%;分割模型测试集准确率、召回率、平均精确度分别达到92.86%、95.61%、93.35%,并能够准确计算出裂缝的宽度。 展开更多
关键词 高铁桥梁 机器视觉 裂缝检测 YOLOv5 u2-net
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
19
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U2net神经网络的混凝土表面裂缝检测研究
20
作者 李晏兴 杨青顺 《青海大学学报》 2024年第3期77-85,共9页
本研究提出了一种基于U2net神经网络的改进网络AM-U2net,以实现对混凝土结构裂缝更为准确和快速地检测。首先,在原U2net网络的跳跃连接部分施加注意力机制,在网络结构的上层部分添加CBAM注意力模块,下层部分添加ECA注意力模块。然后,引... 本研究提出了一种基于U2net神经网络的改进网络AM-U2net,以实现对混凝土结构裂缝更为准确和快速地检测。首先,在原U2net网络的跳跃连接部分施加注意力机制,在网络结构的上层部分添加CBAM注意力模块,下层部分添加ECA注意力模块。然后,引入Mish激活函数,提出一种AM-U2net网络。结果显示:改进网络AM-U2net的性能要优于对比网络Unet、Unet++和原U2net,准确率、精确率、召回率和f1score分别达到99.1%、64.2%、65.4%和64.8%。最后,采用骨架线的方法对模型输出的混凝土裂缝预测图像,在像素级别上标注计算裂缝的长宽属性,使得模型预测裂缝的结果能够反映出混凝土裂缝的一些基本属性。本研究提出的改进算法在混凝土裂缝识别任务中具有较好的表现,为裂缝检测的后续研究提供思路。 展开更多
关键词 混凝土裂缝 u2net 注意力机制 激活函数 骨架线
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 … 23 下一页 到第 页
使用帮助 返回顶部