裂缝对公共设施而言存在着安全隐患,因此裂缝检测是公共设施进行维护的重要手段.由于裂缝图像中存在噪声、光线、阴影等因素干扰,神经网络在训练时极易被影响,导致预测结果出现偏差,降低预测效果.为减少这些干扰,设计了一个并行注意力机...裂缝对公共设施而言存在着安全隐患,因此裂缝检测是公共设施进行维护的重要手段.由于裂缝图像中存在噪声、光线、阴影等因素干扰,神经网络在训练时极易被影响,导致预测结果出现偏差,降低预测效果.为减少这些干扰,设计了一个并行注意力机制,并将其嵌入到UNet网络的解码部分,进而提出了并行注意力UNet(parallel attention based UNet,PA-UNet).该方法分别从通道和空间2个维度加大裂缝特征权重以抑制干扰,然后对这2个维度生成的特征进行融合,以获得更具互补性的裂缝特征.为了验证该方法的有效性,选取了4个数据集进行实验,结果表明该方法较现有的主流方法,裂缝检测效果更加优异.同时,为了验证并行注意力机制的有效性,选取了4种注意力机制与其进行对比实验,结果表明并行注意力机制效果优于其他注意力机制.展开更多
基于语义分割神经网络UNet,利用GOCI(Geostationary Ocean Color Imager)卫星传感器数据,构建出能够有效提取大型漂浮藻类的深度学习模型,实现了对大型漂浮藻类信息端到端、像素到像素的分割识别。验证结果表明:所提出的深度学习模型对...基于语义分割神经网络UNet,利用GOCI(Geostationary Ocean Color Imager)卫星传感器数据,构建出能够有效提取大型漂浮藻类的深度学习模型,实现了对大型漂浮藻类信息端到端、像素到像素的分割识别。验证结果表明:所提出的深度学习模型对验证集中大型漂浮藻类的平均识别精度达到88.54%;通过与传统的归一化植被指数法和替代型漂浮藻类指数法进行对比,发现基于UNet构建的大型漂浮藻类监测模型具有更高的准确率且受云的影响较小。利用UNet大型漂浮藻类提取模型的识别结果对2017年东海藻类暴发过程进行了分析,模型显示出很好的实用性。展开更多
文摘裂缝对公共设施而言存在着安全隐患,因此裂缝检测是公共设施进行维护的重要手段.由于裂缝图像中存在噪声、光线、阴影等因素干扰,神经网络在训练时极易被影响,导致预测结果出现偏差,降低预测效果.为减少这些干扰,设计了一个并行注意力机制,并将其嵌入到UNet网络的解码部分,进而提出了并行注意力UNet(parallel attention based UNet,PA-UNet).该方法分别从通道和空间2个维度加大裂缝特征权重以抑制干扰,然后对这2个维度生成的特征进行融合,以获得更具互补性的裂缝特征.为了验证该方法的有效性,选取了4个数据集进行实验,结果表明该方法较现有的主流方法,裂缝检测效果更加优异.同时,为了验证并行注意力机制的有效性,选取了4种注意力机制与其进行对比实验,结果表明并行注意力机制效果优于其他注意力机制.
文摘基于语义分割神经网络UNet,利用GOCI(Geostationary Ocean Color Imager)卫星传感器数据,构建出能够有效提取大型漂浮藻类的深度学习模型,实现了对大型漂浮藻类信息端到端、像素到像素的分割识别。验证结果表明:所提出的深度学习模型对验证集中大型漂浮藻类的平均识别精度达到88.54%;通过与传统的归一化植被指数法和替代型漂浮藻类指数法进行对比,发现基于UNet构建的大型漂浮藻类监测模型具有更高的准确率且受云的影响较小。利用UNet大型漂浮藻类提取模型的识别结果对2017年东海藻类暴发过程进行了分析,模型显示出很好的实用性。
