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

1

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 职称材料

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 职称材料

基于U^(2)-Net的岩体内部结构面智能识别研究

3

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 职称材料

基于改进U2-Net的指针式仪表读数识别方法

4

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 职称材料

基于改进U2-Net的小样本病虫害分割算法研究

5

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 职称材料

基于DCGAN和U^(2)-Net模型的齿轮点蚀辨识

6

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 职称材料

基于U_(2)-Net与动态索引旋转卷积的混凝土路面裂缝提取

7

作者 王春艳 王康乐 +1 位作者 姜勇 王祥 《辽宁工程技术大学学报(自然科学版)》 北大核心 2025年第6期746-752,共7页

针对卷积神经网络提取混凝土路面裂缝时,因光照变化、背景复杂及模糊效应导致的精度下降问题,提出一种动态索引旋转卷积(DIRC)方法。该方法基于可变形卷积理论,通过解决偏移量可能超出感受野的问题,增强索引偏移量的有效性。将动态索引... 针对卷积神经网络提取混凝土路面裂缝时,因光照变化、背景复杂及模糊效应导致的精度下降问题,提出一种动态索引旋转卷积(DIRC)方法。该方法基于可变形卷积理论,通过解决偏移量可能超出感受野的问题,增强索引偏移量的有效性。将动态索引旋转卷积(DIRC)引入U^(2)-Net架构,以提升网络对混凝土路面裂缝纹理的识别能力。研究结果表明:在DeepCrack数据集上,DIRC-U^(2)-Net相较于基准U^(2)-Net,F1、Kappa和MIoU指标分别提升了2.40%、1.30%和1.49%;在CrackForest数据集上,上述指标分别提升了8.43%、8.47%和9.13%。对提取结果的可视化分析进一步表明,DIRC模块显著增强了U^(2)-Net模型对光照差异及图像模糊等复杂干扰因素的鲁棒性。研究结论为实现混凝土路面裂缝的精准与稳健提取提供理论依据。 展开更多

关键词 裂缝提取 动态索引旋转卷积 u^(2)-net 可变形卷积 卷积神经网络 道路安全

原文传递

基于DMT-U^(2)-Net和回归算法的爆破眼痕识别及应用

8

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 职称材料

一种基于U2-Net模型的电阻抗成像方法 被引量：23

9

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

10

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 职称材料

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

11

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 职称材料

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 职称材料

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

13

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 职称材料

基于改进U^(2)-Net的透明件划痕检测方法 被引量：15

14

作者 陈其浩 孙林 张倩 《科学技术与工程》 北大核心 2022年第2期620-627,共8页

为了满足透明件表面质量和市场竞争的需求,实现产品表面缺陷的自动化检测至关重要。针对透明件表面划痕快速检测问题,提出了一种基于改进U^(2)-Net的缺陷检测方法。首先,直接应用U^(2)-Net网络进行透明件表面划痕检测的数据集准备、网... 为了满足透明件表面质量和市场竞争的需求,实现产品表面缺陷的自动化检测至关重要。针对透明件表面划痕快速检测问题,提出了一种基于改进U^(2)-Net的缺陷检测方法。首先,直接应用U^(2)-Net网络进行透明件表面划痕检测的数据集准备、网络搭建、损失函数、评估指标;其次,初始化网络进行训练,分析产生误检漏检及低效的原因;最后,优化损失函数,加入正则化技术,并给出在输入数据前加入Mosaic数据增强,解码阶段融入深层可分离卷积以及加入Attention机制的改进方案。结果表明:本文提出的改进方案能够有效分割出不同情况下的划痕,准确率达到0.987,漏检率为0.006,并在检测速度上有19%的提升。可见改进U^(2)-Net的透明件划痕检测方法能够很好满足工业流水线准确检测缺陷的实际需求。 展开更多

关键词 透明件 划痕检测 神经网络 u^(2)-net 语义分割

在线阅读 下载PDF 职称材料

基于改进U2-Net网络的多裂肌MRI图像分割算法 被引量：3

15

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 职称材料

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

16

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 职称材料

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

17

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 职称材料

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

18

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 职称材料

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

19

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 职称材料

基于轻量化U^(2)-Net的车道线检测算法研究

20

作者 邓欢 王健 +3 位作者 吴孟军 杜若飞 费明哲 王云靖 《汽车工程师》 2024年第8期22-28,共7页

针对车道线遮挡、道路阴影等多车道驾驶环境下提取的车道线特征信息缺失造成预测车道线模糊、不连续等问题,提出一种基于轻量化U^(2)-Net的车道线检测算法。首先,以轻量化U^(2)-Net的残差U形模块(RSU)和多特征尺度融合获得全局信息丰富... 针对车道线遮挡、道路阴影等多车道驾驶环境下提取的车道线特征信息缺失造成预测车道线模糊、不连续等问题,提出一种基于轻量化U^(2)-Net的车道线检测算法。首先,以轻量化U^(2)-Net的残差U形模块(RSU)和多特征尺度融合获得全局信息丰富的车道线特征;其次,对车道线特征进行逐像素阈值判断,并选择最小二乘法结合感兴趣区域(ROI)中车道线簇进行车道线的拟合,实现多车道线检测并确认自车道线区域;最后,在图森(TuSimple)数据集上进行验证与分析。验证结果表明,所提出的车道线检测算法的平均准确率达到98.4%,相比于其他车道线检测网络,该算法的网络参数量较少,准确率较高。 展开更多

关键词 轻量化u^(2)-net 残差u形模块 多车道线检测 自车道线

在线阅读 下载PDF 职称材料