检索结果-南通市图书馆

维普期刊数据库博看期刊

基于u-net模型的建筑结构裂缝分割数字化处理方法研究

在线全文

学校读者我要写书评

暂无评论

工程技术研究 2024年第6期9卷 19-23页

作者：衣伟平中铁建设集团有限公司华东分公司江苏苏州215300

混凝土结构裂缝是一种常见的病害问题,由于引起结构开裂的因素较多,且建筑结构物开裂形态各异。因此,针对上述问题,文章提出一种基于u-net模型的建筑结构裂缝识别方法,实现裂缝识别的数字化与智能化。以u-net网络为基础,建立了离散性相... 详细信息

混凝土结构裂缝是一种常见的病害问题,由于引起结构开裂的因素较多,且建筑结构物开裂形态各异。因此,针对上述问题,文章提出一种基于u-net模型的建筑结构裂缝识别方法,实现裂缝识别的数字化与智能化。以u-net网络为基础,建立了离散性相对较强的训练集与验证集。在下采样和上采样过程中,进行最大池化与反卷积操作,进行架构调整,并通过Dice系数对模型进行评价。结果表明,利用该方法能够高效且较为准确地进行建筑结构裂缝数字化识别,提高结构病害检测效率。

关键词：建筑结构裂缝 u-net模型数字化处理

基于GEE和u-net模型的同震滑坡识别方法

在线全文

学校读者我要写书评

暂无评论

地球信息科学学报 2022年第7期24卷 1275-1285页

作者：刘佳伍宇明高星司文涛中国科学院地理科学与资源研究所资源与环境信息系统国家重点实验室北京100101 山东师范大学公共管理学院济南250100 中国科学院大学北京100049

地震滑坡解译是震后重建的重要基础工作,主要通过室内人工遥感解译和室外野外调查确定。地震滑坡相比其他地物来说更为复杂,很难通过简单指数识别。室内遥感解译通过滑坡后壁、侧壁和堆积等纹理特征进行识别,大面积同震滑坡解译工作往... 详细信息

地震滑坡解译是震后重建的重要基础工作,主要通过室内人工遥感解译和室外野外调查确定。地震滑坡相比其他地物来说更为复杂,很难通过简单指数识别。室内遥感解译通过滑坡后壁、侧壁和堆积等纹理特征进行识别,大面积同震滑坡解译工作往往耗费大量人力和物力,且耗时长,难以满足灾害应急需求。本研究利用u-net神经网络模型,结合Google Earth Engine(GEE)云平台和人工智能学习平台Tensorflow,以地震局解译的汶川滑坡作为样本数据,以震后30 m分辨率的Landsat影像、高程、坡度以及NDVI数据作为模型输入参数,自动识别并获取了汶川地震后的同震滑坡数据,同时比较了不同参数组合情况下u-net神经网络模型的分割识别精度。研究表明:(1) u-net模型可以用于以Landsat影像为基础数据的同震滑坡快速自动识别;(2)随着高程、坡度以及NDVI等输入参数增加,模型分割精度在逐渐提高,但假阳性结果也会出现增多,震后滑坡影像+高程+坡度+NDVI的输入参数组合精度最高;(3)在细节上,模型在多参数组合的情况下,大型滑坡能够很好被识别,一些较小型的滑坡受制于影像分辨率的影响,分割精度较差。为了更好识别小型滑坡,后续研究可能需提高影像的分辨率。此外,GEE云平台大大提高了训练样本获取的效率,为科研人员快速进行基于神经网络与遥感数据的地物识别研究提供了条件。

关键词：地震滑坡 u-net模型 GEE 图像分割 Landsat影像均方误差召回率平均交并比

基于u-net模型的多时相Sentinel-2A/B影像林分类型分类

在线全文

学校读者我要写书评

暂无评论

林业科学研究 2022年第4期35卷 103-111页

作者：杨丹李崇贵李斌西安科技大学测绘科学与技术学院陕西西安710054

[目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时... 详细信息

[目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时相植被指数及红边指数特征(DVI、mNDVI、CIred-edge、NDre1)。采用支持向量机和优化的u-net模型分别对单一时相+DEM和单一时相+DEM+多时相植被指数两种方案进行分类实验。[结果](1)在单一时相+DEM基础上,加入多时相植被指数后,u-net模型精度为77.87%,比单一时相+DEM精度高6.67%;(2)u-net模型的总体精度明显优于支持向量机,并且分类效果更好。同时,深度学习u-net模型能够避免“椒盐”现象,分类结果更细腻。[结论]基于多时相Sentinel-2A/B影像,构建植被指数及红边指数时序特征,同时采用u-net模型在一定程度上能够提高林分类型分类精度。

关键词：多时相Sentinel-2A/B影像植被指数红边指数 u-net模型支持向量机森林分类

联合改进u-net模型和D-InSAR技术采矿沉陷提取方法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

自然资源遥感 2023年第3期35卷 145-152页

作者：林佳惠刘广范景辉赵红丽白世彪潘宏宇中国科学院空天信息创新研究院数字地球重点实验室北京100094 可持续发展大数据国际研究中心北京100094 中国科学院大学北京100049 中国自然资源航空物探遥感中心北京100083 南京师范大学海洋科学与工程学院南京210023 中国科学院、水利部成都山地灾害与环境研究所中国科学院山地灾害与地表过程重点实验室成都610041

矿产资源开采导致的地表沉陷不仅是矿区国土空间开发利用需要考虑的重要因素,而且对地下非法开采的区域具有明显的指征作用。矿产资源开采一般具有分布范围较广、分布不均且较分散的特点,因此快速、准确地识别并提取大区域内采矿沉陷的... 详细信息

矿产资源开采导致的地表沉陷不仅是矿区国土空间开发利用需要考虑的重要因素,而且对地下非法开采的区域具有明显的指征作用。矿产资源开采一般具有分布范围较广、分布不均且较分散的特点,因此快速、准确地识别并提取大区域内采矿沉陷的空间分布非常必要。本研究基于合成孔径雷达差分干涉测量技术(differential interferometric synthetic aperture Radar,D-InSAR)得到矿区多时相差分干涉相位图,并使用深度学习FCN-8s,PSPnet,Deeplabv3和u-net模型训练网络开展采矿沉陷智能识别,结果显示u-net模型具有较高的检测精度且用时较短。为提高采矿沉陷的语义分割提取精度,在传统u-net模型中引入高效通道注意力模块进行训练。结果表明改进的u-net模型与传统模型相比,在测试集上采矿沉陷对应的交并比提升2.54百分点,为大范围采矿沉陷时空分布提取问题提供新的解决方法。

关键词： u-net模型 D-InSAR 采矿沉陷提取语义分割注意力模块

遥感影像道路提取方法：融合注意力机制与残差模块的u-net模型

在线全文

学校读者我要写书评

暂无评论

遥感影像道路提取方法：融合注意力机制与残差模块的U-Net模型

作者：赵凌虎昆明理工大学

学位级别：硕士

本文主要研究如何快速、高效地从高分辨率遥感影像中提取道路信息。随着遥感技术的发展,遥感影像在许多领域得到了广泛应用。道路作为城市交通和基础设施的重要组成部分,其精准提取对于城市规划、交通管理等方面具有重要意义。因此,基... 详细信息

本文主要研究如何快速、高效地从高分辨率遥感影像中提取道路信息。随着遥感技术的发展,遥感影像在许多领域得到了广泛应用。道路作为城市交通和基础设施的重要组成部分,其精准提取对于城市规划、交通管理等方面具有重要意义。因此,基于遥感影像的道路提取研究一直备受关注。但是由于道路自身的复杂性及与其它地物间的相似性,传统的道路提取方法在高分辨率遥感影像中存在抗干扰能力弱、自动化水平低和提取效果差等问题。因此,本文结合深度学习技术提出了一种融合注意力机制与残差模块的u-net高分辨率遥感影像道路提取的模型——Res-Au-net,以解决传统方法的不足。该模型基于u-net网络模型,采用残差网络Res net50来解决因网络层数过深引起的网络退化问题,稳定地通过加深网络来提取更为抽象的深层语义特征,加快模型训练速度和提高模型鲁棒性;考虑到编码器中低层特征背景信息冗余,在跳级连接加入注意力机制,加强道路特征并抑制不相关特征的激活,保留更多的道路上下文拓扑关系,增强模型对道路区域的关注度;利用空洞卷积感受野大参数少的特性进一步优化网络模型,使其更加轻量化;使用了Adam优化算法并提出改进的损失函数,以提高模型的准确性和稳定性;采用更先进的GELu作为激活函数,以提升模型精度。最后,进行了多组实验验证模型的有效性。基于Massachusetts Roads道路数据集的实验结果表明:(1)本文提出的道路提取模型在高分辨率遥感影像上具有可行性,提取道路的整体精度、精确率、召回率、F1-score和交并比分别达到98.7%、89.51%、85.71%、87.57%和78.15%,具有较高的提取精度;(2)与几种经典的语义分割网络相比,在道路提取的完整性和精确度,以及树木、建筑和阴影遮挡方面,本文方法均有较好地提取效果。另外,本文为了快速、便捷地提取高分辨率遥感影像中的道路,基于本文提出的Res-Au-net模型设计并实现了遥感影像道路提取系统。该系统利用Py Qt5图形程序框架进行图形化界面设计,基于Python语言进行系统代码开发与功能实现。大大降低了道路提取的操作步骤,为相关从业人员提供了便利。综上所述,本文提出的融合注意力机制与残差模块的u-net遥感影像道路提取模型在道路提取任务中具有较高的准确率和鲁棒性,具有较为广泛的应用前景。

关键词：遥感影像道路提取深度学习 u-net模型注意力机制残差网络

融合注意力的u-net模型的少数民族服饰图案分割研究

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

融合注意力的U-Net模型的少数民族服饰图案分割研究

作者：张博源贵州民族大学

学位级别：硕士

少数民族作为中华民族的重要组成部分,为中华民族的繁荣文化贡献了巨大的力量,其中少数民族服饰尤为瞩目,少数民族服饰作为少数民族文化中最直观和最生动的文化载体,承载了少数民族数以千年来的独特文化和审美观,更彰显了少数民族历久... 详细信息

少数民族作为中华民族的重要组成部分,为中华民族的繁荣文化贡献了巨大的力量,其中少数民族服饰尤为瞩目,少数民族服饰作为少数民族文化中最直观和最生动的文化载体,承载了少数民族数以千年来的独特文化和审美观,更彰显了少数民族历久弥新的文化价值。但是受现代流行服饰和外来服饰的强烈冲击,少数民族服饰也不免开始出现颓势,因此保护这些传承千年的少数民族服饰文化具有深远的现实意义。由于我国少数民族众多且各自拥有专属的文化特点,又因少数民族服饰受其制作工艺、风格款式、地域差异而不尽相同,现有的研究方法大多基于传统方法进行少数民族服饰图像分割,以此达到保护和传承的目的。近些年来,深度学习技术取得长足的进步和发展,而结合深度学习技术和少数民族服饰图像分割的研究内容还很少,因此本文根据特定的少数民族服饰的特点,提出相应的少数民族服饰图案分割算法。(1)苗族服饰图案的构图通常较为复杂,并且在纺织工艺上也表现出复杂性,针对苗族服饰图案分割准确率较差的问题,本文融合注意力提出了一种基于RSKP-unet模型的苗族服饰图案分割算法。在u-net模型的基本框架上,在u-net模型的编码器中嵌入Residual和带有注意力机制的SKnet注意力,可以在深层次的结构中提取图像的特征信息的同时,能够充分的捕获图像上下文信息,然后在解码器中融入Parnet,提升模型的泛化能力。另外由于苗族服饰图案一般存在的样本类别不均衡问题,本文引入了Lovász-hinge损失函数来优化网络,以此来提升苗族服饰图案的分割准确性。实验结果表明,本文提出的RSKP-unet模型在指标上整体均优于其他4种基于深度学习的对比分割模型,相比于基准模型u-net,Dice系数提升了6.98%,Iou提升了11.07%,精确率提升了2.89%,召回率提升了6.75%,准确度提升了3.92%,所以本文提出的RSKP-unet模型能够较好地解决苗族服饰图案分割问题,且分割精度较高。(2)彝族服饰图案在构图和色彩上极为复杂,并且彝族服饰图案风格较为多样,针对彝族服饰图案复杂的特性,本文融合多尺度特征提取和注意力提出了一种针对彝族服饰图案分割的轻量化的AES-unet模型。AES-unet模型通过在u-net模型上做改进,首先对u-net模型的基本框架做了改进,然后在其编码器中嵌入ASPP和ECA注意力,以此提升模型的特征提取能力并关注通道信息的重要程度,然后在其解码器中嵌入SA注意力,以此突出彝族服饰图案的语义特征,实现对彝族服饰图案的注意力操作。在Lovász-hinge损失函数的基础上,本文结合BCE损失函数和Lovász-hinge损失函数提出了一种针对彝族图案分割的改进的损失函数,以此来提升彝族服饰图案的分割准确性。实验结果显示,本文提出的AES-unet分割模型在彝族服饰图案分割上好于其他4种基于深度学习的对比分割模型,相较于基准模型u-net,本文提出的AES-unet模型在Dice系数、Iou、精确率、召回率及准确度等指标上分别提升了4.06%、4.61%、3.61%、2.05%及3.18%。因此,本文提出的AES-unet分割模型能够较好的完成彝族服饰图案的分割。

关键词：图案分割注意力样本类别不均衡 u-net模型深度学习

基于肺CT扫描应用u-net模型诊断2型糖尿病患者冠脉钙化程度的研究

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

基于肺CT扫描应用U-NET模型诊断2型糖尿病患者冠脉钙化程度的研究

作者：吕洪新大连医科大学

学位级别：硕士

目的:在2型糖尿病患者中验证人工智能(AI)u-net模型对于常规胸部计算机断层扫描(CT)上预测冠脉钙化程度的可靠性和临床可行性。方法:应用专病库及普病库电子病历检索系统,选取2010年01月至2022年06月期间在大连市中心医院行常规胸部计... 详细信息

目的:在2型糖尿病患者中验证人工智能(AI)u-net模型对于常规胸部计算机断层扫描(CT)上预测冠脉钙化程度的可靠性和临床可行性。方法:应用专病库及普病库电子病历检索系统,选取2010年01月至2022年06月期间在大连市中心医院行常规胸部计算机断层扫描及冠状动脉CTA(Computed Tomographic Angiography)检查且冠状动脉CTA有明确冠状动脉钙化积分的年龄大于等于18岁的2型糖尿病患者共225例。将常规胸部计算机断层扫描图像作为输入值,使用以unet作为主干网络,Dense net作为模型的编码器的深度学习网络结构来执行全自动钙量化,输出值为冠状动脉钙化评分(CACS),将钙化分为0类钙化、1类钙化、2类钙化(0类为400),应用Accuracy、Precision、Recall、Specificity、Negative predictive value和F1指标对每个CACS类别进行相关分析,评价人工智能u-net模型的诊断效能。以具有5年及以上经验的放射科医师手动计算的Agatston评分作为参考标准,使用SPSS25.0软件对AI-CACS及手动测量的金标准CACS进行正态性分析,采用配对样本秩和检验对同一患者的两种方法测出的冠状动脉钙化评分进行比较分析。通过类内相关系数(ICC)分析、Spearman和Bland-Altman分析比较人工智能u-net模型预测的CAC评分和人工手动测量的金标准的CAC评分之间的一致性。并进行CAC风险类别评估,人工智能u-net模型预测的CAC风险类别与手动测量的金标准类别间通过加权Kappa分析进行量化一致性检验。结果:本研究纳入225例2型糖尿病患者作为数据集。1.人工智能u-net模型在每个冠脉钙化评分类别上的诊断效能。模型在0类-轻度上达到了Accuracy0.91,precision 0.95,recall 0.89,specificity0.93,negative predictive value0.85,F1 0.92,在1类-中度上达到了Accuracy0.87,precision 0.61,recall 0.84,specificity0.87,negative predictive value0.96,F1 0.71,在2类-重度上达到了Accuracy0.96,precision 0.97,recall 0.82,specificity0.99,negative predictive value0.96,F1 0.89。2.人工智能u-net模型预测的冠状动脉钙化评分与金标准冠状动脉钙化评分对比。配对样本秩和检验表明人工智能u-net模型预测的CAC积分与手动测量的金标准CAC积分无差别,(P=0.069>0.05)。3.人工智能u-net模型预测的冠状动脉钙化评分与金标准冠状动脉钙化评分的一致性检验。人工智能u-net预测模型在CAC积分预测上取得了与手动测量的金标准良好的一致性,ICC达到了0.89(95%CI:0.86,0.92,pu-net模型预测与手动测量的金标准积分的平均差值为41.5(95%CI:-362.1,445.2)。4.人工智能u-net模型预测的冠状动脉钙化的风险类别评估。当前模型在CAC分类上也取得了良好的效果,三分类准确率达到了87%,Kappa达到了0.77(95%CI:0.69,0.84),人工智能u-net预测模型算法,总共有195人被人工智能u-net预测模型正确分类,将128人、59人、38人分别分到0类钙化、1类钙化、2类钙化(0类为400)。结论:2型糖尿病患者应用人工智能u-net模型能够较为准确地识别和量化肺CT扫描技术上的冠状动脉钙化及其危险分层。此模型的完全自动化过程可能优化临床钙评分,使人工智能进入临床成为可能。

关键词： 2型糖尿病冠状动脉钙化人工智能深度学习 u-net模型

u-net模型在高分辨率遥感影像水体提取中的应用

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

国土资源遥感 2020年第1期32卷 35-42页

作者：王宁程家骅张寒野曹红杰刘军北京合众思壮科技股份有限公司北京100015 中国水产科学研究院东海水产研究所上海200090 北斗导航位置服务(北京)有限公司北京100191

选择安徽省巢湖流域为研究区,采用u-net模型和随机森林模型,对高分一号(GF-1)高分辨率遥感影像进行水体信息提取,并对比分析了2种模型的水体提取结果和效率。结果表明:①对于大面积水体,2种模型的水体提取结果均具有较高的精度;②对于... 详细信息

选择安徽省巢湖流域为研究区,采用u-net模型和随机森林模型,对高分一号(GF-1)高分辨率遥感影像进行水体信息提取,并对比分析了2种模型的水体提取结果和效率。结果表明:①对于大面积水体,2种模型的水体提取结果均具有较高的精度;②对于小面积水体,随机森林模型水体提取结果存在较多细碎图斑,u-net模型水体提取结果和人工目视解译结果更加符合;③对于遥感影像中城市建筑物阴影和山体阴影,u-net模型能较好地消除阴影影响,正确提取水体,而随机森林模型存在较多将阴影误分为水体的现象;④总体来看,在复杂地表覆盖类型条件下,u-net模型提取水体的总体精度为98. 69%,Kappa系数为0. 95,均高于随机森林模型,在2种模型漏分误差相当的情况下,u-net模型错分误差远小于随机森林模型。u-net模型避免了人工提取分类特征的过程,自动化程度更高,训练效率较高,适用于遥感影像中水体高精度提取。

关键词： GF-1 u-net模型随机森林水体提取

改进u-net模型的保护性耕作田间秸秆覆盖检测

在线全文

学校读者我要写书评

暂无评论

光学精密工程 2022年第9期30卷 1101-1112页

作者：刘媛媛周小康王跃勇于海业庚晨何铭吉林农业大学信息技术学院吉林长春130118 吉林农业大学工程技术学院吉林长春130118 吉林大学工程仿生教育部重点实验室吉林长春130025

为了适应保护性耕作秸秆还田监测的技术需求,提出了一种改进的u-net语义分割算法对秸秆覆盖率进行检测。首先,提出一种新的卷积模块代替原始u-net框架中的卷积模块;其次,改进Inception结构,引入条纹池化和高效空间金字塔空洞卷积模块,... 详细信息

为了适应保护性耕作秸秆还田监测的技术需求,提出了一种改进的u-net语义分割算法对秸秆覆盖率进行检测。首先,提出一种新的卷积模块代替原始u-net框架中的卷积模块;其次,改进Inception结构,引入条纹池化和高效空间金字塔空洞卷积模块,形成新的Gception结构;最后,在模块中引入注意力机制。利用无人机采集田间地表图像,将改进的u-net模型应用于自标注田间秸秆图像分割,与u-net,PSP-net,Link-net,Res-net,DSRA-unet和DE-GWO算法进行对比实验,得到的平均交并比为80.05%,平均像素精确度为91.20%,覆盖率平均误差为0.80%。实验结果表明,改进u-net模型的分割结果优于对比算法,能够保证特征提取的有效性和全局特征的完备性,有效剔除树影以及田内其他干扰因素。该模型适用于含有农机和树影等干扰的田间复杂场景,在大尺度图像中亦可获得较好的分割效果,可为大面积秸秆覆盖率检测提供技术支持。

关键词：秸秆图像覆盖率检测语义分割 u-net模型注意力机制