检索结果-南通市图书馆

交通信息与安全 2023年第1期41卷 105-114,131页

作者：惠冰李远见长安大学公路学院西安710064 长安大学民航机场智慧建造与维养重点实验室西安710064 内蒙古高速公路养护有限责任公司呼和浩特010010

针对传统的裂缝分割算法难以识别狭窄裂缝且分割边缘不精准,从而造成识别精度较低的问题,研究了基于改进U型神经网络(unet)的路面裂缝检测方法。由于传统unet特征提取网络是层次较浅的浅层神经网络,难以提取更复杂的裂缝特征信息,故本... 详细信息

针对传统的裂缝分割算法难以识别狭窄裂缝且分割边缘不精准,从而造成识别精度较低的问题,研究了基于改进U型神经网络(unet)的路面裂缝检测方法。由于传统unet特征提取网络是层次较浅的浅层神经网络,难以提取更复杂的裂缝特征信息,故本文以牛津大学视觉几何组网络(VGG16)作为传统unet的特征提取网络,提高网络的裂缝特征提取能力;为抑制高低阶特征融合时产生的无用特征,本文在模型解码部分添加压缩与激励单元(SE block),构建裂缝注意力单元,使得网络可以关注不同通道下的裂缝特征,建立了基于SE block和VGG16的改进unet网络(SE-Vunet)。研究采用迁移学习的方法,将在ImageNet上预训练好的VGG16网络权重迁移到裂缝检测中。通过挑选Crack500数据集,并使用摄像头采集图片构建1 600张路面裂缝数据集,再次训练SE-Vunet模型,获得裂缝区域分割结果。以查准率(precision)与查全率(recall)的加权调和平均值F1和雅卡尔(Jaccard)相似系数作为量化评价指标。将SE-Vunet分别与unet、SOLO v2、Mask R-CNN以及Deeplabv3+进行分割效果和实时性对比。研究结果表明:SE-Vunet模型的综合F1和雅卡尔系数分别为0.840 3和0.722 1,相比于unet分别高出了1.04%和1.51%,且均高于其他3种对比模型;SE-Vunet的单帧图片预测时间为89 ms,在分割效果提升明显的情况下仅比unet慢5 ms,优于其他模型。

关键词：信息工程裂缝检测 U型神经网络深度学习语义分割

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于U型神经网络模型的眼底图像目标分割方法研究

基于U型神经网络模型的眼底图像目标分割方法研究

引用

作者：郭睿电子科技大学

学位级别：硕士

随着深度神经网络技术的不断发展,使用深度学习处理医学图像逐步成为医学图像处理研究领域中的热点问题。其中彩色眼底图像是眼科疾病筛查中一类较为常见的医学图像,它主要包括了视盘、视杯、血管和黄斑区等结构,这些结构的形态可以为... 详细信息

随着深度神经网络技术的不断发展,使用深度学习处理医学图像逐步成为医学图像处理研究领域中的热点问题。其中彩色眼底图像是眼科疾病筛查中一类较为常见的医学图像,它主要包括了视盘、视杯、血管和黄斑区等结构,这些结构的形态可以为某些疾病提供重要的诊断依据,如视杯与视盘的直径比值可以用于青光眼的诊断,出血、渗出、微血管异常等可以作为糖尿病的诊断依据,视网膜动脉病变可能是高血压的症状之一。为了准确地判读眼底图像以做出相应的医疗评价,就需要准确地对眼底图像中的视盘、视杯和血管等结构进行分割。然而,人工判读眼底图像十分依赖医生的经验,时间和人力成本较高。基于以上原因,通过深度学习的方式对眼底图像中的重要结构进行高精度地分割,对于诊断眼底疾病有十分重要意义。本文在国内外研究的基础上对眼底图像中的视盘、视杯和血管的分割方法进行了研究。主要的研究内容包括3点:基于U型神经网络的视盘与视杯分割方法研究。本文首先开展了对视盘与视杯的分割方法研究,针对现有的分割方法中图像信息丢失问题,提出了基于注意力机制的池化模块,随后基于该模块结合U型神经网络结构设计了眼底图像分割网络——APuNet用于视盘与视杯分割,最后在公开的数据集上充分进行实验,实验结果证明本文提出的APuNet可以准确地拟合视盘、视杯的轮廓,并生成视盘、视杯的分割预测结果图像。基于U型神经网络的血管分割方法研究。本文随后在视盘视杯分割方法的基础上对血管分割方法进行了探讨,针对现有的分割方法无法对血管末梢准确分割的问题,提出了基于图像裁切的血管分割流程,并进行了实验验证,生成了血管分割预测结果图像。通过实验结果对比,验证了本文所提出的血管分割方法可以较为准确地分割眼底血管结构,并且分割效果超越了现有的分割方法。基于迁移学习的眼底分割网络性能优化方法研究。最后本文还研究了基于迁移学习的网络训练优化方法,针对眼底图像分割网络训练过程中模型收敛速度慢、模型训练不够稳定的问题,提出了3种不同的迁移策略并进行了实验验证,加快了眼底图像分割网络收敛速度并进一步提升网络分割的精度。

关键词：眼底图像分割 U型神经网络注意力机制迁移学习

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

面向遥感地类变化检测的u型深度学习神经网络改进方法

引用

测绘通报 2023年第6期 93-97,103页

作者：沈鑫甦嵇灵浙江省测绘科学技术研究院浙江杭州311121 浙江省自然资源征收中心浙江杭州310007

遥感影像的变化检测在调查监测等自然资源管理中有着广泛应用。针对样本库建设成本过高、深度学习算法困难等问题,本文提出了多时相变化检测方法,以改进影像变化深度学习检测。该方法将不同时相的数据作为不同波段信息进行融合,将变化... 详细信息

遥感影像的变化检测在调查监测等自然资源管理中有着广泛应用。针对样本库建设成本过高、深度学习算法困难等问题,本文提出了多时相变化检测方法,以改进影像变化深度学习检测。该方法将不同时相的数据作为不同波段信息进行融合,将变化发现任务转换为图像分割任务,将土地利用矢量数据作为标签数据用于模型训练,建设深度学习样本库。对原始的u型深度学习神经网络结构进行改进,加速模型训练。试验结果表明:①多时相变化检测方法有利于模型训练过程中学习更多的特征,提升了模型的特征提取能力,可得到更好的预测效果;②模型的查全率和查准率都有一定提升,整体预测效果明显提高。

关键词：多时相变化检测遥感影像变化发现 U型神经网络深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多特征融合的图像防篡改研究

基于多特征融合的图像防篡改研究

引用

作者：顾正宇东南大学

学位级别：硕士

随着移动互联和数字图像处理技术的不断发展,获得数字图像的成本不断降低,同时先进的图像处理工具使得对图像进行操作变得易如反掌。图像操纵可以轻易地实现诸如对象复制、拼接以及删除的操作,被恶意利用产生的篡改图像则可能给社会带... 详细信息

随着移动互联和数字图像处理技术的不断发展,获得数字图像的成本不断降低,同时先进的图像处理工具使得对图像进行操作变得易如反掌。图像操纵可以轻易地实现诸如对象复制、拼接以及删除的操作,被恶意利用产生的篡改图像则可能给社会带来负面影响,误导大众。由于在视觉上可能无法分辨被操纵的区域,如何防范这些篡改图像则是一项艰巨的任务。现阶段已经有了很多针对图像篡改的检测算法,但这些方法大多需要手工特征提取,往往使用范围有限。近年来深度学习的发展使得卷积神经网络在图像处理领域广泛运用,并取得很多成功的实践成果。因此本课题使用u型卷积神经网络结合多种特征提取手段来研究图像篡改检测任务实现图像防篡改,目标在像素层面实现图像篡改区域的检测和定位。为了实现更好的篡改检测效果,本文在两个阶段研究图像篡改检测。首先,本文研究基于单一分支u型卷积神经网络的图像篡改检测。本文设计了一种基于u型卷积神经网络的检测模型,该检测模型包含降采样Encoder以及升采样Decoder部分,并且包含跨层连接,实现端到端的学习。同时,本文利用两种卷积单元设计了采样模块,分别为Res Net Encoder以及Dense Net Encoder。为验证该模型效果,本文构建了适合本文实验需求的标准数据集,并选取了合适的评价指标,设计实验并探索了不同特征提取结构、不同模型输入尺寸以及不同模型采样深度对于此模型框架的影响。实验证明更深层的网络、更大尺寸的模型输入有利于模型的训练,而Dense Net可以稳定训练过程。在于其他模型的对比中,本模型方案也具有优势。在此基础上,本文研究利用多特征融合的手段提高篡改检测精度,设计了一种基于多特征融合的u型卷积神经网络框架。该框架分为两个分支,其中一个分支处理RGB数据,与单一分支的结构相同;另一个分支处理其他特征。本文共设计了三种特征处理手段分别利用噪声特征、边缘特征以及纹理特征进行特征提取。为了更好地融合不同分支的特征,在模型底层设计了带有空洞卷积的金字塔池化（ASPP）特征融合层,经过实验证明底层的ASPP特征融合层对于本模型具有积极作用。其他实验研究并发现了,在三种不同的特征提取方法中,基于噪声的提取方法取得了视觉和指标上的最优效果,并且选择更大尺度的输入能为模型带来更好的精度。多分支结构对比单一分支的模型拥有更高的检测精度,对比其他算法的处理结果,本文提出的模型拥有更好的篡改检测效果。

关键词：图像篡改特征融合卷积神经网络 U型神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种基于u-Net的高分影像土地利用/覆盖变化检测方法

引用

水土保持通报 2021年第4期41卷 133-138,144页

作者：李聪毅孔祥兵杨娜王逸男杨刚凤河南理工大学测绘与国土信息工程学院河南焦作454003 黄河水利科学研究院水利部黄土高原水土保持重点实验室河南郑州450003

[目的]介绍一种基于u-Net的高分影像的土地利用/覆盖变化检测方法,为该模型在遥感影像变化检测方面的应用提供理论支持。[方法]采用U型神经网络对河南省禹州市两期高分一号影像和WHu building dataset建筑物变化检测数据集中的变化图斑... 详细信息

[目的]介绍一种基于u-Net的高分影像的土地利用/覆盖变化检测方法,为该模型在遥感影像变化检测方面的应用提供理论支持。[方法]采用U型神经网络对河南省禹州市两期高分一号影像和WHu building dataset建筑物变化检测数据集中的变化图斑进行自动检测试验,并与FCN和SegNet两种模型进行比较。[结果]在两个数据集的验证样本中,U型神经网络模型的F 1值分别为0.699,0.66和0.673,均优于其他两种模型,并且漏检率较低,更加接近变化参考图。[结论]采用U型神经网络对高分辨率遥感影像进行土地利用/覆盖变化检测是可行的,且能有较高的检测精度。

关键词：变化检测高分辨率遥感 U型神经网络深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：