检索结果-南通市图书馆

基于DC-unet的混凝土桥梁表观裂缝识别方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

长安大学学报（自然科学版） 2024年第3期44卷 66-75页

作者：马亚飞孙文康何羽王磊长沙理工大学土木工程学院湖南长沙410114

为解决服役混凝土桥梁表观损伤检测存在误检率高、受背景噪声影响大等问题,提出一种基于DC-unet的表观裂缝识别方法。首先,使用密集残差连接模块(DRCM)替换u-net模型中每次下采样和上采样前以及最后1×1卷积前的卷积操作,增加了模型深度... 详细信息

为解决服役混凝土桥梁表观损伤检测存在误检率高、受背景噪声影响大等问题,提出一种基于DC-unet的表观裂缝识别方法。首先,使用密集残差连接模块(DRCM)替换u-net模型中每次下采样和上采样前以及最后1×1卷积前的卷积操作,增加了模型深度;其次,在模型第1次上采样前的位置融入空洞空间池化金字塔模块,扩大了模型感受野,提升了模型获取多层次表观裂缝特征的能力;最后,将结合了空间和通道的注意力模块以残差连接的方式融入DRCM结构中,提高了模型对表观裂缝特征区域的关注,使用Labelme软件标注50张3 648像素×2 736像素分辨率的表观裂缝图像,基于窗口滑动算法构建了包含1 347张混凝土表观裂缝图像及标签图像的TimCracks数据集,将提出的表观裂缝识别方法与u-net模型、Segnet模型、u-net++模型、传统OTSu阈值分割算法和基于Canny算子的边缘检测算法进行了比较。结果表明:提出的方法能准确分割识别混凝土桥梁表观裂缝,具有精度高和抗噪性好等优势,在表观裂缝图像背景存在涂层干扰及不光滑褶皱状况下均可有效降低误检率,裂缝识别准确率、交并比和F_(1)-score分别达96.28%、73.80%和84.91%,3个评价指标较u-net模型、Segnet模型、u-net++模型均有提升,与传统裂缝分割算法相比,提出的DC-unet网络解决了传统方法的误检问题,能将裂缝从涂层背景中有效分割。

关键词：桥梁工程混凝土裂缝 u-net结构密集残差连接空洞空间池化金字塔损伤检测

在线全文

学校读者我要写书评

暂无评论

多尺度特征融合注意力新冠肺炎病灶分割网络

激光杂志 2024年第3期45卷 168-174页

作者：林洁沁黄新桂林电子科技大学电子工程与自动化学院广西桂林541004 广西自动检测技术与仪器重点实验室广西桂林541004

新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSAnet(Multi-scale Atte... 详细信息

新冠病毒传染性极强,尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情,高效、准确地从肺部CT切片中分割新冠病灶,提出了一种改进的编码器-解码器深度神经网络———多尺度融合注意力网络MSAnet(Multi-scale Attention network),以图像分割效果较为出色的u-net网络为基础,通过全局池化层和设置空洞卷积的采样率,增大网络感受野,捕获多尺度信息,实现对大目标的有效分割;使用通道注意力与空间注意力,在空间维度上建模,有效提取图像深层特征。测试结果表明,改进后的算法与u-net网络相比,分割的平均交并比提升了1.46%,类别平均像素准确率提升了0.8%,准确率提升了1.17%。

关键词：图像处理特征提取卷积块注意力模块空洞空间卷积池化金字塔 u-net结构多尺度特征融合

基于超像素与u-net相结合的作物叶部病害检测方法

在线全文

学校读者我要写书评

暂无评论

电脑编程技巧与维护 2024年第4期 137-139页

作者：孟令媛何福林苑申奥郑州西亚斯学院郑州450000 西京学院西安710000

作物病害严重影响作物的产量和质量。作物病害的准确识别和及时防治是保证作物产量的重要措施。在超像素和u-net相结合的基础上,提出一种作物叶部病害检测方法。通过将作物叶部病害检测方法运用于作物叶部病害图像数据集上进行检测实验... 详细信息

作物病害严重影响作物的产量和质量。作物病害的准确识别和及时防治是保证作物产量的重要措施。在超像素和u-net相结合的基础上,提出一种作物叶部病害检测方法。通过将作物叶部病害检测方法运用于作物叶部病害图像数据集上进行检测实验,实验结果表明,研究所提出的检测方法具有可行性且实验效果显著。

关键词：作物病害检测超像素 u-net结构作物叶部病害检测

融合多尺度语义和剩余瓶颈注意力的医学图像分割

在线全文

学校读者我要写书评

暂无评论

计算机工程 2023年第10期49卷 162-170页

作者：徐蓬泉梁宇翔李英青岛大学计算机科学技术学院山东青岛266071

在实际应用中u-net由于使用单一卷积核以及跳跃连接运算时编解码器间存在语义差距,导致分割不同类型的医学图像时泛化性能降低。鉴于此,基于u-net结构构建一种轻量灵活的医学图像分割模型(LFunet)。在编码器和解码器上,构建多尺度语义(... 详细信息

在实际应用中u-net由于使用单一卷积核以及跳跃连接运算时编解码器间存在语义差距,导致分割不同类型的医学图像时泛化性能降低。鉴于此,基于u-net结构构建一种轻量灵活的医学图像分割模型(LFunet)。在编码器和解码器上,构建多尺度语义(MS)模块,每个MS模块使用不同的小卷积核序列等价代替较大的卷积核进行卷积运算,获得不同的感受野,从而捕获不同层次的语义特征。建立集成剩余瓶颈结构和注意力机制的剩余瓶颈注意力(RBA)模块,跳跃连接嵌入RBA模块后能缩小编码器和解码器的语义差距,且使模型更关注目标区域。MS模块的小卷积核序列和RBA模块的逆残差结构具有较少的参数量,从而使LFunet的总参数量仅为u-net的1/3,大幅降低了模型复杂度并提高了网络运行效率。在4个公共生物医学图像数据集上的对比实验结果表明,LFunet的Jaccard系数均值相比于u-net分别提高了3.184 6、11.936 6、4.243 8、0.114 4个百分点,具有更高的分割精度及泛化性能。

关键词：深度学习语义分割 u-net结构剩余瓶颈结构注意力机制

在线全文

学校读者我要写书评

暂无评论

基于特征选择与残差融合的肝肿瘤分割模型

中国图象图形学报 2022年第3期27卷 838-849页

作者：乔伟晨黄冕刘利军黄青松昆明理工大学信息工程与自动化学院昆明650500 云南国土资源职业学院信息中心昆明652501 云南大学信息学院昆明650091 云南省计算机技术应用重点实验室昆明650500

目的高效的肝肿瘤计算机断层扫描(computed tomography,CT)图像自动分割方法是临床实践的迫切需求,但由于肝肿瘤边界不清晰、体积相对较小且位置无规律,要求分割模型能够细致准确地发掘类间差异。对此,本文提出一种基于特征选择与残差... 详细信息

目的高效的肝肿瘤计算机断层扫描(computed tomography,CT)图像自动分割方法是临床实践的迫切需求,但由于肝肿瘤边界不清晰、体积相对较小且位置无规律,要求分割模型能够细致准确地发掘类间差异。对此,本文提出一种基于特征选择与残差融合的2D肝肿瘤分割模型,提高了2D模型在肝肿瘤分割任务中的表现。方法该模型通过注意力机制对u-net瓶颈特征及跳跃链接进行优化,为符合肝肿瘤分割任务特点优化传统注意力模块进,提出以全局特征压缩操作(global feature squeeze,GFS)为基础的瓶颈特征选择模块,即全局特征选择模块(feature selection module,FS)和邻近特征选择模块(neighbor feature selection module,NFS)。跳跃链接先通过空间注意力模块(spatial attention module,SAM)进行特征重标定,再通过空间特征残差融合(spatial feature residual fusion module,SFRF)模块解决前后空间特征的语义不匹配问题,在保持低复杂度的同时使特征高效表达。结果在LiTS(liver tumor segmentation)公开数据集上进行组件消融测试并与当前方法进行对比测试,在肝脏及肝肿瘤分割任务中的平均Dice得分分别为96.2%和68.4%,与部分2.5D和3D模型的效果相当,比当前最佳的2D肝肿瘤分割模型平均Dice得分高0.8%。结论提出的FSF-u-net(feature selection and residual fusion u-net)模型通过改进的注意力机制与优化u-net模型结构的方法,使2D肝肿瘤分割的结果更加准确。

关键词：肝肿瘤自动分割注意力机制 u-net结构特征选择残差融合

在线全文

学校读者我要写书评

暂无评论

多尺度特征融合注意力新冠肺炎病灶分割网络

激光杂志 2023年

作者：林洁沁黄新桂林电子科技大学电子工程与自动化学院广西自动检测技术与仪器重点实验室

新冠病毒传染性极强，尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情，高效、准确地从肺部CT切片中分割新冠病灶，提出了一种改进的编码器-解码器深度神经网络——多尺度融合注意力网络MSAnet（Multi-scale At... 详细信息

新冠病毒传染性极强，尽早的诊断和治疗是减少疫情造成损失的关键因素。为辅助医生诊断新冠病情，高效、准确地从肺部CT切片中分割新冠病灶，提出了一种改进的编码器-解码器深度神经网络——多尺度融合注意力网络MSAnet（Multi-scale Attention network），以图像分割效果较为出色的u-net网络为基础，通过全局池化层和设置空洞卷积的采样率，增大网络感受野，捕获多尺度信息，实现对大目标的有效分割；使用通道注意力与空间注意力，在空间维度上建模，有效提取图像深层特征。测试结果表明，改进后的算法与u-net网络相比，分割的平均交并比提升了1.46%，类别平均像素准确率提升了0.8%，准确率提升了1.17%。

关键词：图像处理特征提取卷积块注意力模块空洞空间卷积池化金字塔 u-net结构多尺度特征融合

基于多尺度优化和动态特征融合的图像去模糊研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

红外 2023年第4期44卷 33-41页

作者：万园园宋卓达陈小林朱鑫鑫中国科学院长春光学精密机械与物理研究所吉林长春130033 中国人民解放军63618部队新疆库尔勒841000

目前采用u-net结构的去模糊算法存在细节损失、图像质量欠佳等问题,因此对u-net进行改进,提出一种基于多尺度优化和动态特征融合的图像去模糊方法。首先针对细节损失,提出一种精简且有效的多尺度残差注意力模块(Multi-Scale Residual Mo... 详细信息

目前采用u-net结构的去模糊算法存在细节损失、图像质量欠佳等问题,因此对u-net进行改进,提出一种基于多尺度优化和动态特征融合的图像去模糊方法。首先针对细节损失,提出一种精简且有效的多尺度残差注意力模块(Multi-Scale Residual Module,MSRM),通过增加特征尺度多样性来提取更精细的图像特征。此外,为了将更有利的特征传递到解码部分,在跳跃连接处设计动态特征融合模块(Dynamic Feature Fusion Module,DFFM),采用注意力加权的方式选择性融合不同阶段的编码特征。该算法采用多尺度内容损失和多尺度高频信息损失进行约束训练。在GoPro和RealBlur数据集上的实验结果表明,这种方法能有效改善图像质量,复原更丰富的细节信息。与现有去模糊算法相比,本文算法在主观视觉和客观评价等方面均具有一定优势。

关键词：图像去模糊特征加权多尺度特征 u-net结构

在线全文

学校读者我要写书评

暂无评论

基于深度神经网络的大容量可逆图像隐写研究

基于深度神经网络的大容量可逆图像隐写研究

作者：贾凯河南师范大学

学位级别：硕士

可逆图像隐写是信息隐藏领域的研究热点。与鲁棒水印不同,可逆图像隐写强调秘密数据的提取和宿主图像恢复的高质量。当前的可逆图像隐写技术通过轻微地修改载体图像,根据特定规则在载体图像中嵌入秘密信息,并允许合法用户在提取该秘密... 详细信息

可逆图像隐写是信息隐藏领域的研究热点。与鲁棒水印不同,可逆图像隐写强调秘密数据的提取和宿主图像恢复的高质量。当前的可逆图像隐写技术通过轻微地修改载体图像,根据特定规则在载体图像中嵌入秘密信息,并允许合法用户在提取该秘密信息后无失真地恢复出原始载体图像。然而,传统的可逆图像隐写方法存在隐藏容量低以及嵌入容量大时造成图像失真问题。鉴于最近将深度神经网络与隐写分析相结合取得了重大突破,但将神经网络应用到可逆图像隐写的尝试相对较少。所以本文采用深度模型来进行可逆图像隐写,利用深度卷积神经网络隐式地模拟自然图像的分布,并将更多的信息（全尺寸图像）嵌入到载体图像中。深度神经网络决定了秘密信息在载体图像上的隐藏位置以及如何有效地对其进行编码,隐藏的消息分散在载体图像中的各个比特位中。其次,使用生成模型中的边界均衡生成对抗网络（BEGAN）来训练用于图像隐写的码本数据库,然后使用码本数据库来对需要传输的秘密图像进行可逆的图像恢复。主要工作概括如下:（1）针对传统的图像隐写方法隐藏容量低及明显的视觉暗示问题,提出一种基于u-net结构的可逆图像隐写方法。首先,采取成对训练的方式,训练的深度卷积神经网络包括隐藏网络和提取网络;然后,发送端使用隐藏网络将秘密图像不经任何修改地隐藏到另一张全尺寸图像中并发送到接收端;最后,接收端使用提取网络显示出秘密图像和载体图像。实验结果表明,所提方法在载体图像上所有可用比特进行压缩和分配所隐藏秘密图像的信息,这种图像隐藏方法不仅解决了明显的视觉暗示问题,而且提高了信息传输的容量。（2）在保证大容量隐写的前提下,为了摆脱隐写分析以及实现高质量的可逆图像恢复,提出了一种基于边界均衡生成对抗网络的可逆图像隐写方法。首先,通信双方根据事先约定规则,使用BEGAN模型训练模型参数,保存每个训练样本的模型权重参数作为码本构成码本数据库;然后,发送方使用BEGAN模型对要传输的秘密图像进行训练,生成隐写图像并传输给接收端;最后,接收端接收视觉上正常但不包含任何秘密信息的隐写图像后,只需要在事先保存的码本数据库中找到与其对应的码本,码本与传输的隐写图像生成秘密图像,实现高质量的秘密图像的可逆恢复。实验结果表明,所提方法生成的隐写图像可以完全避免被隐写分析,实现大容量的可逆图像隐写。

关键词：信息安全可逆图像隐写深度学习 u-net结构生成对抗网络

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CycleGAN的图像翻译算法研究

基于CycleGAN的图像翻译算法研究

作者：代烁哈尔滨工业大学

学位级别：硕士

图像翻译可定义为在充足训练数据的情况下,将场景或目标的一种表示形式转换为另一种形式。图像处理、计算机图形学和计算机视觉的许多问题可以看作是图像翻译问题。图像翻译问题包括但不限于图像着色、图像分割,图像超分辨率。传统上,... 详细信息

图像翻译可定义为在充足训练数据的情况下,将场景或目标的一种表示形式转换为另一种形式。图像处理、计算机图形学和计算机视觉的许多问题可以看作是图像翻译问题。图像翻译问题包括但不限于图像着色、图像分割,图像超分辨率。传统上,很多图像翻译任务使用专用模型,随后出现了端到端的统一处理多种图像翻译任务的通用深度学习框架,该方法需要配对数据,而获取配对数据很困难且代价昂贵。无监督的图像翻译算法通过添加约束的方式解决无配对数据集的问题,但它们在处理物体转换任务时没有考虑这类问题的特殊性,在转换前景的时候也以一种不受欢迎的方式影响背景,比如背景颜色失真,在背景区域生成目标纹理模式等。我们认为一个可能的原因是网络瓶颈层使得低级信息丢失,另一个原因是网络本身没有注意力机制检测感兴趣区域。本文主要研究基于CycleGAN的图像翻译算法。针对现有算法在处理物体转换任务时出现的问题,提出了三种改进方案。采用跳越连接的方式,将生成网络的输入与输出连接起来,该方法可将低级信息传递到生成图像,从而解决背景颜色失真的问题;本文在对u-net结构和残差网络理解和研究的基础上,采用在不同分辨率下执行残差转换的方式,充分利用残差网络和u-net结构的优点,补充彼此的缺点,来提高转换效果;本文在对注意力机制理解和研究的基础上,将生成网络分为两个独立的网络,注意力网络用来预测感兴趣的目标,转换网络用来着重物体转换,解决在错误位置产生目标纹理模式以及背景颜色失真的问题。本文用缩放卷积替代反卷积,来抑制棋盘效应。本文在horse2zebra、orange2apple两个数据集上进行验证。与基本模型相比,跳跃连接解决背景颜色失真的问题,并且收敛速度快,但它没有解决在背景区域生成目标模式的问题。u-net结构和残差块结合的方式,既能保留原图背景信息又能减少在背景区域生成目标纹理模式。引入注意力网络的方式在更好地转换前景的同时,保留背景信息,并解决在背景区域生成目标纹理模式的问题,在马到斑马、斑马到马、苹果到橘子,橘子到苹果的转换任务中其平均Fréchet Inception distance(FID)值比基准模型分别降低了14.29、12.73、39.94,44.08,而在斑马到马、苹果到橘子的转换任务中,其平均FID比2018 NIPS上的Attention guided GAN模型高19.8、18.76。

关键词：无监督的图像翻译循环一致性注意力机制 u-net结构残差网络