检索结果-南通市图书馆

信息与电脑 2021年第23期33卷 198-201页

作者：赵雪竹李明晶曹丽霞长春大学吉林长春130022

受光学系统失真、系统噪声、曝光不足或过量等因素的影响,得到的图片往往信息微弱、无法辨识,需要进行图像预处理。预处理的目的是提供可供深度学习框架训练的二值裂缝图像,在图像处理中至关重要。尤其对于采集到的具有复杂背景的图像来... 详细信息

受光学系统失真、系统噪声、曝光不足或过量等因素的影响,得到的图片往往信息微弱、无法辨识,需要进行图像预处理。预处理的目的是提供可供深度学习框架训练的二值裂缝图像,在图像处理中至关重要。尤其对于采集到的具有复杂背景的图像来说,预处理的好坏会对算法的评价指标产生直接影响。针对采集到的各类裂缝图像存在各类复杂场景的问题,笔者应用了基于u-net网络的图像预处理技术。实验基于已有的小型复杂场景裂缝数据库,同时为了验证u-net网络在复杂场景下预处理的效果,还与传统预处理方法即灰度变换法进行比较,结果证实使用u-net网络作为复杂场景下的图像预处理方法是高效便捷的。

关键词： u-net网络裂缝检测图像预处理

基于u-net网络的无人机影像违章建筑自动识别方法

在线全文

学校读者我要写书评

暂无评论

江西测绘 2022年第3期 13-16页

作者：马佳斌周振兴长三角(嘉兴)城乡建设设计集团有限公司浙江嘉兴314050

为了提高违章建筑识别精度,提出一种基于u-net网络的无人机影像违章建筑自动识别方法。利用无人机获取建筑影像数据,通过裁剪、几何校正、重叠区域校正完成无人机影像的预处理。在u-net网络的下采样部分,加载金字塔池化单元,并通过深度... 详细信息

为了提高违章建筑识别精度,提出一种基于u-net网络的无人机影像违章建筑自动识别方法。利用无人机获取建筑影像数据,通过裁剪、几何校正、重叠区域校正完成无人机影像的预处理。在u-net网络的下采样部分,加载金字塔池化单元,并通过深度可分离卷积改进u-net网络。通过学习训练样本完成改进u-net网络的训练,将测试样本输入该网络。将网络输出结果与历史地形图对比,实现违章建筑的自动识别。实验结果表明,该方法具有更高的识别精度,可实现无人机影像的几何校正,拟合误差最小,校正效果最优,违章建筑识别准确率高。

关键词： u-net网络无人机影像违章建筑自动识别

基于改进u-net网络的图像自动白平衡算法

在线全文

学校读者我要写书评

暂无评论

新型工业化 2021年第4期11卷 244-247页

作者：全雪峰南阳医学高等专科学校卫生管理系河南南阳473061

针对现有白平衡算法颜色校正不准确,色彩还原不真实问题,设计了一种基于改进u-net网络的图像自动白平衡算法。该算法在普通u-net网络的编码器和解码器之间加入一个稠密模块,利用卷积神经网络的编码运算规则,将色偏图像和真实图像作为输... 详细信息

针对现有白平衡算法颜色校正不准确,色彩还原不真实问题,设计了一种基于改进u-net网络的图像自动白平衡算法。该算法在普通u-net网络的编码器和解码器之间加入一个稠密模块,利用卷积神经网络的编码运算规则,将色偏图像和真实图像作为输入输出训练对,实现对色偏图像的颜色校正。实验结果表明,该算法校正后的图像能保持良好的颜色恒常性和丰富的细节信息,具有较好的视觉效果。

关键词：卷积神经网络 u-net网络自动白平衡颜色校正

基于u-net网络的肺部肿瘤图像分割算法研究

在线全文

学校读者我要写书评

暂无评论

信息与电脑 2018年第5期30卷 41-44页

作者：周鲁科朱信忠浙江师范大学数理与信息工程学院浙江金华321004

肺癌病灶大多具有体积小、形态多变、与胸腔内膜粘连等特点。随着CT扫描技术推广应用,肺部影像数据呈爆炸增长趋势,这给仅能依赖肉眼观察CT图像从而作出判断的影像科医生带来极大的挑战。针对这一问题,笔者提出了一种基于u-net的肺部肿... 详细信息

肺癌病灶大多具有体积小、形态多变、与胸腔内膜粘连等特点。随着CT扫描技术推广应用,肺部影像数据呈爆炸增长趋势,这给仅能依赖肉眼观察CT图像从而作出判断的影像科医生带来极大的挑战。针对这一问题,笔者提出了一种基于u-net的肺部肿瘤图像自动分割算法来辅助影像科医生作出判断。其具体实现流程为:先以原CT图像和由专业医生分割的图像为基础,将预处理后的图像输入u-net网络进行模型训练,得到训练模型,并用验证集中的图像验证。笔者所提出的u-net神经网络分割模型的JS准确率达到0.885 5。实验结果显示,该方法能有效分割CT图像中的肿瘤区域,且相比于传统算法更加精确高效。

关键词：肺部肿瘤 CT图像 u-net网络

基于u-net网络和椭圆度量学习的防震锤锈蚀识别

在线全文

学校读者我要写书评

暂无评论

计算机技术与发展 2020年第11期30卷 163-167页

作者：刘军孙庆刘玮康伟东秦浩郭成英国网安徽省电力有限公司安徽合肥230601 安徽大学安徽合肥230601 安徽南瑞继远电网技术有限公司安徽合肥230088

高压输电线路中金属锈蚀会严重危害输电线路的安全运行。针对高压输电线背景复杂、缺乏有效锈蚀检测手段以及锈蚀检测准确率低等问题,提出了一种基于u-net网络和度量学习的高压输电线防震锤锈蚀检测方法。相比其他深度网络,u-net网络的... 详细信息

高压输电线路中金属锈蚀会严重危害输电线路的安全运行。针对高压输电线背景复杂、缺乏有效锈蚀检测手段以及锈蚀检测准确率低等问题,提出了一种基于u-net网络和度量学习的高压输电线防震锤锈蚀检测方法。相比其他深度网络,u-net网络的参数量较少且直观,在小样本下具有较优的性能,利用u-net网络可以将复杂背景条件下的高压输电线路中的防震锤完整分割出来。对分割后的防震锤图像提取HSV颜色特征和LBP纹理特征,并引入能够反映样本空间结构信息或语义信息的椭圆度量,通过椭圆度量学习实现高压输电线防震锤锈蚀的识别。实验结果表明,相比于支持向量机、BP神经网络、决策树等检测方法,该方法能够高效、准确地识别复杂背景环境下的高压输电线防震锤锈蚀。

关键词：锈蚀检测高压输电线防震锤 u-net网络 HSV颜色特征 LBP纹理特征度量学习

在线全文

学校读者我要写书评

暂无评论

基于u-net网络的光伏组件缺陷检测方法

光源与照明 2021年第5期 49-50页

作者：郭清华曾礼丽湖南理工职业技术学院湖南湘潭411104

构建太阳能电池片缺陷图像数据集,可以对收集到的太阳能电池片图像进行图像分割、复原、统一尺寸,并标出缺陷位置进行缺陷定位和转换为灰度图像。基于此,文章针对太阳能电池片表面缺陷的微弱性,缺陷种类繁多等特性,提出了将u-net网络用... 详细信息

构建太阳能电池片缺陷图像数据集,可以对收集到的太阳能电池片图像进行图像分割、复原、统一尺寸,并标出缺陷位置进行缺陷定位和转换为灰度图像。基于此,文章针对太阳能电池片表面缺陷的微弱性,缺陷种类繁多等特性,提出了将u-net网络用于电池片缺陷检测。在太阳能电池片缺陷检测过程中,实验对比分析了u-net网络3种优化器的效果。最后选择深度学习中SGDM优化器对太阳能电池片进行缺陷检测的任务。试验结果表明,该方法的缺陷检测准确率大于99%。

关键词：太阳能电池片缺陷检测深度学习 u-net网络

基于改进u-net网络的腺体细胞图像分割算法应用研究

在线全文

学校读者我要写书评

暂无评论

现代信息科技 2022年第13期6卷 94-97页

作者：周涛广州商学院广东广州511363

针对医学领域中腺体细胞分割问题,提出基于改进u-net网络的腺体细胞图像分割算法,提供一种高可用性图像处理模型。该模型能够增强腺体细胞特征,减少信息丢失,借用OpenCV对腺体细胞轮廓进行颜色处理。采用u-net网络结合空洞残差模块,提... 详细信息

针对医学领域中腺体细胞分割问题,提出基于改进u-net网络的腺体细胞图像分割算法,提供一种高可用性图像处理模型。该模型能够增强腺体细胞特征,减少信息丢失,借用OpenCV对腺体细胞轮廓进行颜色处理。采用u-net网络结合空洞残差模块,提高细胞分割精确度。文章方法在ISBI数据集评测,设计多组实验对比,验证可行性,实验结果Dice系数达0.925,表明对腺体细胞图像分割算法存在较高应用价值。

关键词：腺体细胞分割 u-net网络图像处理空洞残差模块 Dice系数

基于改进u-net网络的水稻纹枯病图像分割

在线全文

学校读者我要写书评

暂无评论

乡村科技 2021年第31期12卷 111-114页

作者：郭鑫鑫刘洋吉林农业科技学院吉林昌邑132101

北方水稻作为我国“北粮南运”工程中的重要粮食作物,受纹枯病危害较严重,为提高北方水稻的产量及品质,通过利用Transformer模型结合全卷积u-net网络,改进u-net语义分割网络模型,实现对水稻纹枯病斑的快速分割与提取。经图像分割试验测... 详细信息

北方水稻作为我国“北粮南运”工程中的重要粮食作物,受纹枯病危害较严重,为提高北方水稻的产量及品质,通过利用Transformer模型结合全卷积u-net网络,改进u-net语义分割网络模型,实现对水稻纹枯病斑的快速分割与提取。经图像分割试验测试,该语义分割网络模型对水稻纹枯病病斑图像分割的执行时间平均为38.3 s,识别病斑准确率PA值达到96.12%~97.88%,平均像素准确率MPA值为96.82%~97.71%,MIou值为87.01%~90.12%,Loss BCE值为1.12%~4.29%。试验结果表明,该模型训练稳定性较好,泛化能力较强;可使用相机等拍照方式采集数据,替代专业仪器实现水稻病害快速分割,提高水稻病害图像识别准确率,同时为其他农作物的病斑分割和识别提供方法基础。

关键词： u-net网络 Transformer模型水稻纹枯病语义分割

在线全文

学校读者我要写书评

暂无评论

基于u-net网络的航拍绝缘子检测

陕西科技大学学报 2018年第4期36卷 153-157页

作者：陈景文周鑫张蓉张东陕西科技大学电气与信息工程学院陕西西安710021

为保证输电线路安全稳定运行,需要定期进行线路巡检.作为输电线路中的核心部件,绝缘子检测在输电线路故障巡检中占有重要地位.对于无人机所获得的大量背景复杂且分辨率低的航拍绝缘子图像,传统人为特征提取的检测方法和经典卷积神经网... 详细信息

为保证输电线路安全稳定运行,需要定期进行线路巡检.作为输电线路中的核心部件,绝缘子检测在输电线路故障巡检中占有重要地位.对于无人机所获得的大量背景复杂且分辨率低的航拍绝缘子图像,传统人为特征提取的检测方法和经典卷积神经网络的识别方法,易丢失位置等细节信息,定位精度较低,难以准确识别出复杂背景中的绝缘子图像.因此,提出一种基于深度学习u-net网络的航拍绝缘子检测方法,自动分层特征提取,通过叠加的方法将浅层特征与高维特征相融合,其中浅层的高分辨率特征图用来进行像素定位,深层高维特征图进行像素分类,避免了目标位置等细节信息的丢失,提高了定位精度,能够有效检测出复杂背景下的绝缘子,准确率达到88.9%,是一种有效的绝缘子检测方法.

关键词： u-net网络航拍图像绝缘子检测