MCFA-UNet:结合多尺度融合与注意力机制的图像生成网络 被引量：1

1

作者 王铁君 张泽宇 +1 位作者 郭晓然 武娇 《计算机工程与应用》 北大核心 2025年第12期222-231,共10页

在图像生成领域,基于去噪扩散概率模型(DDPM)的深度学习方法已经取得了显著的进展。然而,在处理复杂纹理和细节丰富的图像时,现有模型生成的图像会出现模糊、纹理细节不清晰等问题,主要原因是原始DDPM采用的UNet网络在捕捉高度细节化图... 在图像生成领域,基于去噪扩散概率模型(DDPM)的深度学习方法已经取得了显著的进展。然而,在处理复杂纹理和细节丰富的图像时,现有模型生成的图像会出现模糊、纹理细节不清晰等问题,主要原因是原始DDPM采用的UNet网络在捕捉高度细节化图像特征时存在一定局限性。为解决这一问题,提出了一种基于多尺度卷积和融合注意力机制的新型UNet网络,命名为MCFA-UNet。该网络通过在编码器和解码器中引入残差块和线性注意力多尺度卷积模块,并在跳跃连接中加入多尺度融合注意力组件,提升了对图像细节的捕捉能力及生成图像的整体质量。实验结果显示,在唐卡数据集、Cifar10和ImageNet-64公共数据集上,采用MCFA-UNet的DDPM模型优于原始的DDPM模型,得到了更低的FID值和更高的主观评价得分,证明了其改进效果的显著性。 展开更多

关键词 图像生成 去噪扩散概率模型(DDPM) unet网络 AIGC方法

在线阅读 下载PDF 职称材料

基于改进UNet网络的衬砌背后空洞识别方法研究 被引量：2

2

作者 凌同华 龙斌 +2 位作者 张亮 张胜 江浩 《地下空间与工程学报》 CSCD 北大核心 2024年第S2期757-766,773,共11页

传统图像处理算法在定位衬砌背后的空洞时,往往受到复杂环境因素的干扰,从而降低分割的准确率。为提升分割准确率,对UNet网络模型增加注意力门结构进行改进研究,并与其他主流分割网络进行对比实验。开展空洞的探地雷达二维正演模拟、模... 传统图像处理算法在定位衬砌背后的空洞时,往往受到复杂环境因素的干扰,从而降低分割的准确率。为提升分割准确率,对UNet网络模型增加注意力门结构进行改进研究,并与其他主流分割网络进行对比实验。开展空洞的探地雷达二维正演模拟、模型试验和衬砌现场检测工作,为改进UNet网络提供数据支撑。结果表明:在衬砌背后空洞数据集上经过100轮训练后,改进后的AGS-UNet网络相比改进前在准确率(CPA)、交并比(Iou)和平均交并比(MIou)3个评价指标上均提高了3%左右。证明了改进后的AGS-UNet网络能够提高衬砌背后空洞图像分割的精确度,是一种有效的改进网络模型。 展开更多

关键词 空洞分割 注意力门结构 unet网络改进 正演模拟 模型试验

原文传递

基于UNet模型燃气管道高后果区分割方法研究 被引量：4

3

作者 凌晓 王昕越 +2 位作者 郭凯 孙宝财 程凌宇 《中国安全生产科学技术》 CAS CSCD 北大核心 2024年第4期157-162,共6页

为提升燃气管道设施监测和事故应急响应中的高后果区图像分割精准度和可靠性,通过改进UNet模型结构,使用优化后的Inception Block模块、通道注意力和空间注意力机制的方法,提升模型捕捉关键特征的能力,并引入高斯噪声增强模型鲁棒性,采... 为提升燃气管道设施监测和事故应急响应中的高后果区图像分割精准度和可靠性,通过改进UNet模型结构,使用优化后的Inception Block模块、通道注意力和空间注意力机制的方法,提升模型捕捉关键特征的能力,并引入高斯噪声增强模型鲁棒性,采用保留最佳参数策略得到最优训练参数。然后对SE UNet、UNet++、原始UNet以及改进后UNet模型在航拍图像数据集上的分割效果进行对比和分析。研究结果表明:相对SE UNet、UNet++和原始UNet,改进后UNet模型在分割效果上表现更佳,综合性能优于其他模型。同时,改进后UNet模型提高了分割准确性,降低了误检和漏检风险。研究结果可为燃气管道设施的安全运行和维护提供有力支持。 展开更多

关键词 深度学习 unet模型 卷积神经网络 高后果区 图像分割

在线阅读 下载PDF 职称材料

基于LOFUnet深度卷积神经网络低序级断层多属性识别方法 被引量：2

4

作者 马玉歌 苏朝光 +4 位作者 丁仁伟 颜世磊 张玉洁 韩天娇 闫绘栋 《物探化探计算技术》 CAS 2024年第3期272-283,共12页

低序级断层控制圈闭及油气富集,对油气勘探开发具有重要的意义。但其识别描述难度大、效率低,严重制约了该类油藏的勘探开发进程。随着人工智能的发展,深度学习为低序级断层识别提供了新的途径。这里在样本集构建及方法上都有创新之处:... 低序级断层控制圈闭及油气富集,对油气勘探开发具有重要的意义。但其识别描述难度大、效率低,严重制约了该类油藏的勘探开发进程。随着人工智能的发展,深度学习为低序级断层识别提供了新的途径。这里在样本集构建及方法上都有创新之处:建立了同相轴错动、扭动、微扭动地震响应特征的低序级断层样本集,为智能识别奠定了良好的样本库;LOFUnet网络是在UNet基础上进行的改进,可以获取样本中更多低序级断层信息的特征。笔者通过方差属性、倾角属性和振幅属性融合获得新的断层体,用构建的LOFUnet网络进行低序级断层识别。网络通过残差块构建编码器端可以获取更多的低序级断层特征,解决梯度消失问题,提高模型的收敛速度,增强模型的稳定性以及低序级断层检测的精度和效率。选用正演模拟数据和实际地震数据分别对UNet模型、LOFUnet模型进行测试,结果表明,基于LOFUnet深度卷积神经网络低序级断层多属性识别方法提取的信息更加丰富,提高了低序级断层识别的准确度。 展开更多

关键词 低序级断层 unet网络 LOFunet网络 多属性识别 模型试算

在线阅读 下载PDF 职称材料

基于UNet++卷积神经网络的断层识别 被引量：5

5

作者 安志伟 刘玉敏 +1 位作者 袁硕 魏海军 《吉林大学学报（信息科学版）》 CAS 2024年第1期100-110,共11页

针对传统相干体属性和机器学习在复杂断裂识别能力差的问题,提出一种基于UNet++卷积神经网络的断层识别方法。该方法采用加权交叉熵损失函数做目标函数,使网络模型训练过程中避免了数据样本不平衡的问题,引入注意力机制和密集卷积块,以... 针对传统相干体属性和机器学习在复杂断裂识别能力差的问题,提出一种基于UNet++卷积神经网络的断层识别方法。该方法采用加权交叉熵损失函数做目标函数,使网络模型训练过程中避免了数据样本不平衡的问题,引入注意力机制和密集卷积块,以及更多的跳跃连接,更好地实现深层次断层语义信息和浅层次断层空间信息之间的特征融合,进而可以使UNet++网络模型更好地实现断层识别。实验结果表明,该网络模型将F1值提高到了92.38%, loss降低到0.012 0,可以更好地学习断层特征信息。将该模型应用于西南庄断层的识别中,结果表明,该方法可以更准确预测断层位置,在识别连续断层的准确率上有所提高,有效防止了地下噪音对于断层识别的不利影响,从而验证了UNet++网络模型在断层识别上具有一定的研究价值。 展开更多

关键词 断层识别 unet++网络模型 加权交叉熵损失函数 注意力机制 特征融合

在线阅读 下载PDF 职称材料

基于UNet语义分割模型的矿山采集钻孔裂隙识别研究

6

作者 王有志 李缘平 +2 位作者 罗甦元 夏一鸣 林伟 《世界有色金属》 2024年第23期217-219,共3页

在地质勘探和岩土工程中,钻孔裂隙的准确识别对于评估岩石稳定性至关重要。传统方法依赖人工观察,不仅效率低下,而且结果易受主观影响。随着深度学习技术的兴起,基于UNet架构的语义分割模型为自动化裂隙识别提供了新思路。本研究基于UNe... 在地质勘探和岩土工程中,钻孔裂隙的准确识别对于评估岩石稳定性至关重要。传统方法依赖人工观察,不仅效率低下,而且结果易受主观影响。随着深度学习技术的兴起,基于UNet架构的语义分割模型为自动化裂隙识别提供了新思路。本研究基于UNet的模型进行训练,通过学习裂隙与非裂隙区域的特征差异,实现裂隙的精确识别。本文使用精确率、召回率和F1分数等指标来评价该模型的裂隙分割性能。实验结果显示,基于UNet的裂隙识别方法能够准确识别出钻孔,大幅提高了识别的准确率和自动化水平。本研究不仅为岩石裂隙识别提供了高效自动化工具,也证明了深度学习在地质领域应用的广阔前景,为岩土工程和地质勘探的发展贡献了新的技术支持。 展开更多

关键词 孔壁裂隙识别 语义分割模型 unet网络

在线阅读 下载PDF 职称材料

一种用于地震断层图像识别的SPD-UNet模型 被引量：11

7

作者 席英杰 李克文 +1 位作者 徐延辉 朱剑兵 《计算机工程》 CAS CSCD 北大核心 2021年第12期249-255,共7页

断层是控制油气田形成和分布的主要因素,断层检测和识别对于油气勘探具有重要作用。基于AttentionUNet神经网络模型,构建一种面向地震断层图像识别的SPD-UNet模型。引入空洞卷积,在保证卷积核感受野大小且不损失原始图像分辨率的情况下... 断层是控制油气田形成和分布的主要因素,断层检测和识别对于油气勘探具有重要作用。基于AttentionUNet神经网络模型,构建一种面向地震断层图像识别的SPD-UNet模型。引入空洞卷积,在保证卷积核感受野大小且不损失原始图像分辨率的情况下,增强SPD-UNet模型的断层图像特征提取能力。将金字塔结构的空洞卷积组合成SPD模块,解决空洞卷积的局部信息丢失问题,提高断层信息关联性及图像识别精度。实验结果表明,SPD-UNet模型对于地震断层图像的识别精度优于SegNet与ResUNet模型,并且识别结果与实际标注的地震断层形状及位置更接近。 展开更多

关键词 地震断层识别 图像分割 神经网络 unet模型 空洞卷积 金字塔结构

在线阅读 下载PDF 职称材料

基于三维重建与Unet神经网络的隧道掌子面围岩快速分级技术 被引量：23

8

作者 李赤谋 吕明 +2 位作者 袁青 陈宇佳 王树英 《隧道建设（中英文）》 CSCD 北大核心 2022年第1期33-40,共8页

围岩等级是确定和调整隧道施工方案的重要依据,为减少由于施工实际围岩等级与地勘不符造成的经济损失、安全事故等问题,可对传统围岩分级方法进行改进。依托云南文麻高速大法郎隧道,采用三维重建、图像拼接、Unet神经网络等技术,结合围... 围岩等级是确定和调整隧道施工方案的重要依据,为减少由于施工实际围岩等级与地勘不符造成的经济损失、安全事故等问题,可对传统围岩分级方法进行改进。依托云南文麻高速大法郎隧道,采用三维重建、图像拼接、Unet神经网络等技术,结合围岩单轴抗压强度等特性,实现基于岩体完整性和强度特征的掌子面围岩结构面特征识别和围岩级别快速评价。先采用数码相机对隧道掌子面及周边硐壁进行图像信息采集,建立完整的三维模型,后通过投影和图像拼接得到掌子面高清拼接图像;基于Unet神经网络对掌子面图像进行节理迹线自动识别,对节理评价指标计算后得到隧道掌子面完整性信息;最后结合其他围岩特征信息,基于BQ分级方法进行掌子面围岩分级。研究结果表明:该围岩分级方法可获得清晰的掌子面图像,在依托工程现场较原始设计分级更符合现场实际情况,具有良好的应用性。 展开更多

关键词 公路隧道 三维建模 图像拼接 unet神经网络 节理 BQ分级

在线阅读 下载PDF 职称材料

基于UNet网络的无人机影像建筑模型单体化应用 被引量：1

9

作者 田红霞 府伟娟 +2 位作者 贺飞越 包赛赛 杨明潮 《中国煤炭地质》 2023年第10期74-78,共5页

以瑞安市发改局“万亩千亿”三维可视化平台辅助决策系统项目为依托,获取研究区域内无人机影像,利用倾斜摄影自动三维建模的技术机理,搭建了基于UNet网络的正射影像建筑物轮廓提取,对实现三维建筑物模型单体化实践具有一定的参考意义。

关键词 unet网络 倾斜摄影 三维建模 轮廓提取 单体化

在线阅读 下载PDF 职称材料

基于Res2-UNet模型的皮带煤量检测

10

作者 成彦颖 白尚旺 《计算机与数字工程》 2023年第7期1635-1639,共5页

为了能够检测煤矿井下的煤量,预测和提高煤的利用率,同时节省电能,减少人力的监管和资源成本。利用煤矿安装的视频监控系统,采用非接触的方式通过Camshift算法对快速运动皮带上的煤量捕捉和跟踪,然后建立Res2-UNet模型来获得显著性信息... 为了能够检测煤矿井下的煤量,预测和提高煤的利用率,同时节省电能,减少人力的监管和资源成本。利用煤矿安装的视频监控系统,采用非接触的方式通过Camshift算法对快速运动皮带上的煤量捕捉和跟踪,然后建立Res2-UNet模型来获得显著性信息,融合灰度、纹理、边缘等特征到单一的网络中,实现了皮带煤量的检测。模型利用U-Net网络的思想以编码器-解码器为架构,编码器以Res2Net网络为骨干网络提取煤流不同层次特征的信息,解码器通过反卷积上采样操作恢复图像尺寸。经过构建皮带数据集训练和测试模型,实验结果表明,提出的方法能够快速准确地检测出皮带上的煤料,精确率达到95.5%,每张图像从输入网络到输出的运行时间为4.8s。表明该方法具有一定的实用性和有效性。 展开更多

关键词 煤量检测 CAMSHIFT算法 编码器-解码器 Res2-unet模型 U-Net网络 Res2Net网络

在线阅读 下载PDF 职称材料

基于光流优化的堆叠Unet背景建模神经网络

11

作者 陶冶 凌志浩 《计算机应用研究》 CSCD 北大核心 2020年第9期2861-2865,共5页

针对现有背景建模算法难以处理复杂前景及间歇性运动前景的问题,提出了一种基于非监督学习的背景建模算法(改进的BM-Unet算法)。该算法结合光流法和Pearson相关系数在视频帧上提取背景关注区域,以此优化网络训练集和损失函数,从而有效... 针对现有背景建模算法难以处理复杂前景及间歇性运动前景的问题,提出了一种基于非监督学习的背景建模算法(改进的BM-Unet算法)。该算法结合光流法和Pearson相关系数在视频帧上提取背景关注区域,以此优化网络训练集和损失函数,从而有效提高了该算法在复杂前景情况和前景停留情况下的适应性;在此基础上,为进一步提高背景生成的精确度,又提出了一种堆叠Unet网络架构BM-SUnet(background modelling stacked Unet)。在SBMnet数据集上与现有算法在可视化效果和评估参数两方面的比较结果表明,所提算法在复杂前景和间歇运动前景情况下建模准确性好且鲁棒性高的结论。 展开更多

关键词 非监督学习 卷积神经网络 背景建模 堆叠unet 复杂前景 间歇运动前景

在线阅读 下载PDF 职称材料

基于拉普拉斯金字塔残差网络的多尺度图像压缩研究

12

作者 田学军 章文强 +3 位作者 马梓轩 陈良哲 叶卉荣 舒忠 《印刷与数字媒体技术研究》 CAS 北大核心 2024年第5期33-44,共12页

为了更好地进行图像重建,加强对图像多尺度特征表示和特征融合的处理,本研究提出一种新的多尺度特征融合图像重建网络模型。模型包括迭代降采样和迭代上采样过程。迭代降采样过程是通过在拉普拉斯金字塔残差控制网络模型中将高斯卷积核... 为了更好地进行图像重建,加强对图像多尺度特征表示和特征融合的处理,本研究提出一种新的多尺度特征融合图像重建网络模型。模型包括迭代降采样和迭代上采样过程。迭代降采样过程是通过在拉普拉斯金字塔残差控制网络模型中将高斯卷积核与子采样和高斯平滑滤波迭代操作规则相结合完成的。迭代上采样过程是通过使用拉普拉斯卷积核和二阶差分操作规则实现的。GJ-UNet深度学习网络模型通过其编码器下采样模块实现图像多尺度语义特征的精细分类,并在解码器上采样模块中应用反卷积和卷积操作规则,规范处理图像多尺度语义特征。实验表明,所提出的方法可以实现高精度的特征提取,同时对于图像特征融合的相关性更强,提取的图像边缘信息更清晰且相对噪声信息更低,重建图像的视觉效果基本与原始输入图像相同。本研究有望广泛应用于计算机图像视觉领域。 展开更多

关键词 压缩感知图像重构 图像多尺度特征 拉普拉斯金字塔模型 差分运算 GJ-unet深度学习网络模型 Dice损失函数

在线阅读 下载PDF 职称材料

基于神经网络深度学习模型的踝关节X线片标志点自动定位研究 被引量：1

13

作者 刘沁峰 胡师尧 +5 位作者 张宇琛 常健 刘辉 孙正明 凌鸣 王涛 《中国医疗设备》 2024年第10期45-51,57,共8页

目的探索基于神经网络深度学习模型的踝关节X线片标志点自动定位方法及其应用价值。方法选取陕西省人民医院2019年1月至2022年11月间行X线检查的360例成年人正常左踝关节正、侧位片影像资料为研究对象,将其随机分配至训练集(210例)、验... 目的探索基于神经网络深度学习模型的踝关节X线片标志点自动定位方法及其应用价值。方法选取陕西省人民医院2019年1月至2022年11月间行X线检查的360例成年人正常左踝关节正、侧位片影像资料为研究对象,将其随机分配至训练集(210例)、验证集(90例)和测试集(60例)。以人工标注作为参考,对图像预处理后分别建立基于神经网络Unet架构的踝关节X线片标志点预测模型,生成对应的热力图,并用测试集数据进行验证。结果在踝关节X线正位片6个标志点的预测中,2 mm阈值的平均正确估计比例(Percentage of Correct Keypoints,PCK)可达99.7%,总体平均径向误差(Mean Radial Errors,MRE)为0.411,总体标准差(Standard Deviation,SD)为0.290。距骨顶端内点的预测准确度最高,1 mm阈值时的PCK可达100%,同时其MRE及SD在正位片6个点中最小,分别为0.290和0.178。在踝关节X线侧位片9个标志点的预测中,2 mm阈值的平均PCK达到95.0%,总体MRE为0.669,总体SD为0.710。胫骨下段最前点的预测准确度最高,1 mm阈值时的PCK可达100%,同时其MRE及SD在侧位片9个点中最小,分别为0.334和0.173。正位片和侧位片所有标志点的预测位置坐标与对应参考标准标志点位置坐标差异均无统计学意义(P>0.05)。结论基于神经网络深度学习模型能够实现对踝关节X线片标志点的有效自动定位,对辅助踝关节X线片形态学自动测量和疾病诊疗具有应用价值。 展开更多

关键词 踝关节 标志点自动定位 X线成像 深度学习模型 神经网络 unet架构 形态学自动测量

暂未订购