期刊文献+
共找到39篇文章
< 1 2 >
每页显示 20 50 100
一种基于U2-Net模型的电阻抗成像方法 被引量:18
1
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
下载PDF
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:1
2
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
下载PDF
一种改进U 2-Net的高分辨率遥感影像道路提取方法
3
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
下载PDF
基于改进U2-Net网络的多裂肌MRI图像分割算法
4
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
下载PDF
基于深度学习的无人机多光谱图像柑橘树冠分割 被引量:2
5
作者 宋昊昕 尤号田 +2 位作者 刘遥 唐旭 陈建军 《森林工程》 北大核心 2023年第3期140-149,共10页
树冠信息的准确获取是研究柑橘树生长及产量预测的重要指标,但复杂的树木结构给树冠的准确提取带来一定影响,深度学习的快速发展为柑橘树冠信息准确获取提供了可能。采用一种新的基于深度学习的柑橘树冠自动提取方法,即将消费级无人机... 树冠信息的准确获取是研究柑橘树生长及产量预测的重要指标,但复杂的树木结构给树冠的准确提取带来一定影响,深度学习的快速发展为柑橘树冠信息准确获取提供了可能。采用一种新的基于深度学习的柑橘树冠自动提取方法,即将消费级无人机采集的多光谱图像与一种新的深度学习模型U2-Net结合,通过对获取的图像进行几何变换以构建柑橘树冠图像数据集。将U2-Net模型和当前3种主流深度学习模型(即PSPNet、U-Net和DeepLabv3+)分别在3个典型试验分区进行试验以提取柑橘树冠信息,并对提取结果进行对比分析。结果表明,在3个试验分区,U2-Net模型的柑橘树冠提取精度最高,其中交并比(IoU)、总体精度(OA)和F1分数(F1-score)分别为91.93%、92.34%和93.92%。与其他3种深度学习模型相比,U2-Net模型的IoU、OA和F1-socre分别提高了3.63%~8.31%、1.17%~5.25%和1.97%~4.91%。此外,U2-Net模型柑橘树冠提取面积和测量面积之间具有较高的一致性,3个试验分区决定系数(R2)均高于0.93,且与其他3种深度学习模型相比,U2-Net模型的错误率也较低,均方根误差(RMSE)为1.35 m2,均方误差(MRE)为8.15%。此研究将无人机多光谱图像与U2-Net模型相结合的方法能够实现柑橘树冠的精确提取,且提取树冠轮廓完整性较好,可为柑橘动态生长变化监测和产量预测提供基础数据与技术支撑。 展开更多
关键词 柑橘 深度学习 u2-net 树冠分割 无人机影像
下载PDF
面向检索应用的商标显著性检测方法 被引量:1
6
作者 王楠 伍阳停 +3 位作者 朱琦赫 李宝安 惠健 王子健 《计算机技术与发展》 2023年第11期162-168,共7页
商标显著性检测是商标检索的重要前提之一,待申请商标需要商标显著性判断,商标相似或侵权判定也需要对商标显著性特征加以判别。考虑到商标多由图案组成,该文提出了一套面向商标图像的显著性检测方案。首先,基于中国商标数据库内的商标... 商标显著性检测是商标检索的重要前提之一,待申请商标需要商标显著性判断,商标相似或侵权判定也需要对商标显著性特征加以判别。考虑到商标多由图案组成,该文提出了一套面向商标图像的显著性检测方案。首先,基于中国商标数据库内的商标图像抽取、加工并制成商标数据集,搭建商标数据库并陆续开源一批商标显著性检测数据集。基于已有显著性检测框架,开发并评估了多种主流显著性检测算法。结果表明一种适配商标图像的U 2-Net深度模型对商标显著性检测效果较好,综合准确率在92%左右,后续还需要深入优化和评测。最后,提出一个面向相似商标检索的显著性检测服务和特征生成解决方案,并开发了相关搜索系统,为后续工业级应用奠定基础。 展开更多
关键词 商标检索 商标显著性 显著性检测 商标数据集 图像搜索 目标识别 u 2-net
下载PDF
基于YOLOv7+U2-Net的指针式仪表检测与识别 被引量:1
7
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
下载PDF
基于双流循环映射网络的肖像漫画化
8
作者 孔凡敏 普园媛 +2 位作者 赵征鹏 邓鑫 阳秋霞 《计算机应用研究》 CSCD 北大核心 2023年第12期3854-3858,共5页
肖像风格迁移旨在将参考艺术肖像画中迁移到人物照片上,同时保留人物面部的基本语义结构。然而,由于人类视觉对肖像面部语义结构的敏感性,使得肖像风格迁移任务比一般图像的风格迁移更具挑战性,现有的风格迁移方法未考虑漫画风格的抽象... 肖像风格迁移旨在将参考艺术肖像画中迁移到人物照片上,同时保留人物面部的基本语义结构。然而,由于人类视觉对肖像面部语义结构的敏感性,使得肖像风格迁移任务比一般图像的风格迁移更具挑战性,现有的风格迁移方法未考虑漫画风格的抽象性以及肖像面部语义结构的保持,所以应用到肖像漫画化任务时会出现严重的结构坍塌及特征信息混乱等问题。为此,提出了一个双流循环映射网DSCM。首先,引入了一个结构一致性损失来保持肖像整体语义结构的完整性;其次,设计了一个结合U~2-Net的特征编码器在不同尺度下帮助网络捕获输入图像更多有用的特征信息;最后,引入了风格鉴别器来对编码后的风格特征进行鉴别,从而辅助网络学习到更接近目标图像的抽象漫画风格特征。实验与五种先进方法进行了定性及定量的比较,该方法均优于其他方法,其不仅能够完整地保持肖像的整体结构和面部的基本语义结构,而且能够充分学习到风格类型。 展开更多
关键词 双流循坏映射网络 u~2-net 结构一致性损失 肖像漫画化 风格鉴别器
下载PDF
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
9
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
下载PDF
基于YOLOv5和U2-Net的高铁桥梁裂缝智能检测方法研究
10
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
下载PDF
基于显著性检测和EfficientNet的垃圾分类算法研究 被引量:1
11
作者 王芳 刘小虎 罗艺闯 《计算机与数字工程》 2022年第6期1163-1166,共4页
垃圾分拣的智能化和自动化对改善城市环境具有重要的意义,论文基于西安市2021垃圾分类数据集,提出了一种基于物体显著性检测和EfficientNet的垃圾分类算法。首先针对数据特点,采用U-Net物体显著性检测模型获取物体语义显著区域,进而获... 垃圾分拣的智能化和自动化对改善城市环境具有重要的意义,论文基于西安市2021垃圾分类数据集,提出了一种基于物体显著性检测和EfficientNet的垃圾分类算法。首先针对数据特点,采用U-Net物体显著性检测模型获取物体语义显著区域,进而获取物体区域,去除复杂背景影响,然后结合数据增强及余弦调整策略,基于EfficientNet迁移学习构建垃圾分类模型。试验结果表明,该方法识别精度可达94.2%,可有效提升垃圾分类效率。 展开更多
关键词 垃圾图片分类 显著性检测 u2-net 迁移学习 Efficientnet 数据增强
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
12
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 u2net 投影波谷法 图书错序检测 光学字符识别 索书号定位
下载PDF
基于深度学习的高分辨率遥感影像农业大棚提取
13
作者 陈蔚珊 《经纬天地》 2024年第3期1-5,共5页
农业大棚在农业发展中具有举足轻重的地位,大棚提取对于农业的可持续发展和环境治理尤为重要。针对传统的大棚提取方法已无法满足当下的管理需求等问题,提出一种新的U^(2)-Net模型,该模型是在U-Net模型上进行了改进,在提高分割质量的同... 农业大棚在农业发展中具有举足轻重的地位,大棚提取对于农业的可持续发展和环境治理尤为重要。针对传统的大棚提取方法已无法满足当下的管理需求等问题,提出一种新的U^(2)-Net模型,该模型是在U-Net模型上进行了改进,在提高分割质量的同时可以减小计算量,解决了农业大棚提取精度低的问题。将该模型与目前比较流行的U-Net、DeeplabV3+和PSPNet模型进行对比分析,结果表明U^(2)-Net模型可以更好地提取大棚信息,模型的精确率为90.35%,召回率为90.57%,F1分数为90.46%,精度高于对比模型。研究结果表明:U^(2)-Net模型可以有效地用于解决遥感影像中的大棚分割问题,极大地提高大棚提取的完整性和准确性。 展开更多
关键词 大棚提取 u2-net模型 提取精度 遥感影像
下载PDF
基于显著性特征的蝴蝶兰组培苗夹取点检测方法
14
作者 苑朝 张鑫 +2 位作者 王家豪 赵明雪 徐大伟 《农业工程学报》 EI CAS CSCD 北大核心 2023年第13期151-159,共9页
为了提高蝴蝶兰自动化快速繁育过程中组培苗夹取点视觉检测的适应性和效率,该研究提出了一种基于改进U2-Net显著性检测网络(MBU2-Net+)的组培苗夹取点定位方法。首先,通过显著性检测网络得到蝴蝶兰组培苗的显著性图像;然后,对显著性图... 为了提高蝴蝶兰自动化快速繁育过程中组培苗夹取点视觉检测的适应性和效率,该研究提出了一种基于改进U2-Net显著性检测网络(MBU2-Net+)的组培苗夹取点定位方法。首先,通过显著性检测网络得到蝴蝶兰组培苗的显著性图像;然后,对显著性图像进行骨架提取,并经过形态学分析计算定位组培苗夹取点;最后,将夹取点位置数据发送给机械臂进行夹取。在图像显著性检测试验中,MBU2-Net+的平均绝对误差为0.002,最大F1分数为0.993,FPS(frames per second,每秒帧率)为33.99帧/s,模型权重大小为2.37 MB;在组培苗夹取试验中,4组共112颗苗的夹取点提取成功率为85.71%。为验证该研究的适应性,将其应用于各阶段组培苗以及部分虚拟两叶苗共11株种苗的夹取点提取,成功率为81.82%,使用该方法对不同时期的蝴蝶兰组培苗进行夹取点检测,具有较高的成功率。研究结果可为发展组培苗自动化快速繁育技术提供参考。 展开更多
关键词 图像识别 自动化 显著性特征 改进的u2-net 蝴蝶兰组培苗 夹取点检测
下载PDF
深度学习提取不透水面的自然环境影响因素研究 被引量:1
15
作者 侯幸幸 张新长 +2 位作者 赵怡 孙颖 阮永俭 《测绘科学》 CSCD 北大核心 2022年第11期73-84,共12页
针对遥感影像提取不透水面通常会受到自然环境因素影响的问题,该文采用改进的U2-Net模型对北京市五区和南京市五区的Landsat 8 OLI影像进行季节性不透水面提取,探索深度学习提取不透水面时的自然环境影响因素及其影响机制。选择植被、... 针对遥感影像提取不透水面通常会受到自然环境因素影响的问题,该文采用改进的U2-Net模型对北京市五区和南京市五区的Landsat 8 OLI影像进行季节性不透水面提取,探索深度学习提取不透水面时的自然环境影响因素及其影响机制。选择植被、水、裸土及地表温度作为影响因素,通过地理探测器研究以上因素对不透水面提取的影响机制。基于改进的U2-Net模型提取不透水面精度较高,其中北京市研究区域的提取精度为93.81%,南京市研究区域的提取精度为94.04%;4项自然环境因素对不透水面提取精度均有影响,单因素分析中地表温度影响最大,交互作用分析中地表温度与植被覆盖影响最大。研究结果表明:夏季不透水面提取精度最高,受自然因素及交互作用影响最小;提取不透水面建议采用夏季影像。本文探究了自然因素对不透水面提取的影响机制,为进一步不透水面遥感提取和动态差异分析提供有力支撑。 展开更多
关键词 改进u2-net 不透水面 季节性环境影响因素 地理探测器
原文传递
基于深度学习的无人机遥感小麦倒伏面积提取方法 被引量:12
16
作者 申华磊 苏歆琪 +3 位作者 赵巧丽 周萌 刘栋 臧贺藏 《农业机械学报》 EI CAS CSCD 北大核心 2022年第9期252-260,341,共10页
为及时准确地提取小麦倒伏面积,提出一种融合多尺度特征的倒伏面积分割模型Attention_U^(2)-Net。该模型以U^(2)-Net为架构,利用非局部注意力(Non-local attention)机制替换步长较大的空洞卷积,扩大高层网络感受野,提高不同尺寸地物识... 为及时准确地提取小麦倒伏面积,提出一种融合多尺度特征的倒伏面积分割模型Attention_U^(2)-Net。该模型以U^(2)-Net为架构,利用非局部注意力(Non-local attention)机制替换步长较大的空洞卷积,扩大高层网络感受野,提高不同尺寸地物识别准确率;使用通道注意力机制改进级联方式提升模型精度;构建多层级联合加权损失函数,用于解决均衡难易度和正负样本不均衡问题。Attention_U^(2)-Net在自建数据集上采用裁剪方式提取小麦倒伏面积,查准率为86.53%,召回率为89.42%,F1值为87.95%。与FastFCN、U-Net、U^(2)-Net、FCN、SegNet、DeepLabv3等模型相比,Attention_U^(2)-Net具有最高的F1值。通过与标注面积对比,Attention_U^(2)-Net使用裁剪方式提取面积与标注面积最为接近,倒伏面积准确率可达97.25%,且误检面积最小。实验结果表明,Attention_U^(2)-Net对小麦倒伏面积提取具有较强的鲁棒性和准确率,可为无人机遥感小麦受灾面积及评估损失提供参考。 展开更多
关键词 小麦 无人机遥感 倒伏面积提取 深度学习 u~2-net
下载PDF
基于改进U^(2)Net的岩石薄片图像分割 被引量:1
17
作者 舒小锋 吴晓红 +2 位作者 卿粼波 滕奇志 罗彬彬 《计算机系统应用》 2024年第2期159-165,共7页
了解岩石的孔隙度、孔径分布、孔隙连通性等特征对于油气的寻找和开采有着重要的意义,而这些特征的分析和判断需要借助岩石薄片图像分割技术.岩石薄片图像有大量细小颗粒,这些颗粒之间的边缘特征十分相似,无法做出精准的区分,同时制造... 了解岩石的孔隙度、孔径分布、孔隙连通性等特征对于油气的寻找和开采有着重要的意义,而这些特征的分析和判断需要借助岩石薄片图像分割技术.岩石薄片图像有大量细小颗粒,这些颗粒之间的边缘特征十分相似,无法做出精准的区分,同时制造切片过程中染色不均会造成薄片孔隙的颜色特征不平衡而导致无法分割.因此为了改善岩石薄片分割效果,本文提出基于一种改进的U^(2)Net的分割算法.主要内容如下:(1)以U^(2)Net网络为骨干进行改进,结合coordinate attention注意力机制,用来提高模型对图像特征的表达能力.(2)通过引入多尺度特征提取模块,增加卷积层的感知区域,且能够利用特征图的多尺度特征信息.实验证明,该方法与传统分割方法和其他分割网络相比在较小颗粒的分割上表现更好,所提出的算法具有较高的分割准确度和鲁棒性. 展开更多
关键词 注意力机制 岩石薄片图像 图像分割 u^(2)net 多尺度特征提取
下载PDF
基于改进U^(2)Net网络和无人机影像的城市绿化识别方法
18
作者 王桢 杨培峰 +1 位作者 张秋仪 杨晋苏 《陕西科技大学学报》 北大核心 2024年第3期174-181,共8页
针对城市绿化识别中存在的无可用公开数据集、人工标注数据任务大、图像边界分割不精确的问题,提出结合无人机影像和深度学习网络的城市绿化自动识别框架.首先建立基于无人机影像的城市绿化数据集,其次,运用交互式自动标注工具EISeg对... 针对城市绿化识别中存在的无可用公开数据集、人工标注数据任务大、图像边界分割不精确的问题,提出结合无人机影像和深度学习网络的城市绿化自动识别框架.首先建立基于无人机影像的城市绿化数据集,其次,运用交互式自动标注工具EISeg对数据进行标注,引入U^(2)Net用于无人机影像下的城市绿化识别,最后,在网络的特征提取模块引入最大池化索引来加强对目标边界的分割能力.结果表明,相较于其它深度学习网络,U^(2)Net在小规模数据集中有着优异的表现且改进后的网络在1 000张的训练集中达到了97.16%的分类精度,较原始的U^(2)Net提高0.68%,模型参数量、计算量、内存均未显著提升.改进后的方法提升了城市绿化的识别精度,可以为城市绿化识别提供一种新的自动解译方法. 展开更多
关键词 城市绿化识别 u2net 无人机影像 深度学习
下载PDF
基于U2net神经网络的混凝土表面裂缝检测研究
19
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
下载PDF
基于U2NET的边缘检测研究
20
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
下载PDF
上一页 1 2 下一页 到第
使用帮助 返回顶部