检索结果-南通市图书馆

基于选择性自校正卷积u-net的肺部X射线图像肺实质分割

在线全文

学校读者我要写书评

暂无评论

天津科技大学学报 2024年

作者：王怡李昆天津科技大学人工智能学院

针对u-net分割算法无法提取多尺度特征、易受到伪影和噪声干扰而导致在肺部X射线图像中肺实质分割不精确的问题，提出一种基于选择性自校正卷积的u-net改进算法。改进后的u-net算法将普通卷积模块替换为选择性自校正卷积模块，该模块采... 详细信息

针对u-net分割算法无法提取多尺度特征、易受到伪影和噪声干扰而导致在肺部X射线图像中肺实质分割不精确的问题，提出一种基于选择性自校正卷积的u-net改进算法。改进后的u-net算法将普通卷积模块替换为选择性自校正卷积模块，该模块采用多分支结构提取多尺度特征信息，使用Sigmoid函数和Softmax函数对多尺度特征信息进行选择性校正，使校正后的特征信息聚焦于肺实质区域，输出特征更加具有针对性。实验表明，该方法对骰子系数(Dice)、交并比(Iou)、F1评分结果以及对肺实质分割结果都有一定程度的提升。

关键词：肺部X射线图像肺实质分割 u-net模型选择性自校正卷积

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于u-net模型的遥感影像变化检测

基于U-Net模型的遥感影像变化检测

作者：吴子媛哈尔滨师范大学

学位级别：硕士

遥感影像变化检测是对位于同一个区域不同时段的遥感影像通过图像处理等方法进行分析和判断出其发生变化的区域的一种方法。这有利于对土地利用和土地覆盖进行变化监测、对耕地以及土地资源进行保护检测。它作为一门多个学科集成交叉的... 详细信息

遥感影像变化检测是对位于同一个区域不同时段的遥感影像通过图像处理等方法进行分析和判断出其发生变化的区域的一种方法。这有利于对土地利用和土地覆盖进行变化监测、对耕地以及土地资源进行保护检测。它作为一门多个学科集成交叉的技术,是当前遥感方向研究热点之一。飞速发展的卫星技术提高了遥感影像的分辨率、扩大了覆盖的范围,遥感影像所蕴藏的信息也越来越丰富,由于传统的遥感影像变化检测方法对影像预处理阶段的要求比较严格,并且很多方面需要人为去操作,这样就会获得精度较低的变化检测结果。所以如何高效合理地利用这些信息也成为了目前需要面对的新的挑战。随着计算机性能的不断提高与人工智能技术的不断进步,深度学习方法逐渐进入大众的视野,相比于传统方法针对具体的任务提取特定的信息,原始数据可以通过深度学习方法做逐层提取来获得深层次的信息,这样描述问题的能力也会更加细致。因此,本文基于GF-1遥感影像,利用具有强大学习特征能力的深度学习u-net模型来处理遥感影像变化检测问题。具体研究内容有以下几点:1、将传统遥感影像变化检测方法分为直接比较法和分类后比较法,介绍其中几种常见的方法;系统的讲解利用深度学习处理遥感影像变化检测的方法,详细的讲解卷积神经网络和全卷积神经网络的主要思路和架构,同时对本文采用的u-net模型进行详细的讲解,对u-net模型的模型结构、参数设置等方面进行分析。2、本文论述了遥感影像变化检测的处理过程,主要有影像的预处理、分类系统的制定、影像和标签样本集构建、模型参数的选取、模型配置及优化、变化检测结果图和精度评价。3、为了检验在遥感影像变化检测方面u-net模型的可行性及相对于传统遥感影像变化检测方法的优势,研究区选取哈尔滨市双城区,研究数据选择2013年、2016年、2019年高分一号（GF-1）遥感影像,通过构建u-net模型,调整模型参数,对网络进行优化,实现自动提取变化的区域,获得变化检测结果。对比分析传统与u-net模型的遥感影像变化检测方法,可以得出u-net模型的精度相对于传统的遥感影像变化检测方法来说比较高,变化检测效果比较好。研究结果表明,u-net模型作为一种深度学习模型,能够对蕴含的信息进行深度挖掘,表达深层次的特征,通过GF-1遥感影像与u-net模型的结合检测遥感影像的变化,可以达到更高的检测精度和运行效率,同时也说明了在遥感影像变化检测中u-net模型的行之有效性。

关键词： u-net模型变化检测 GF-1

基于u-net神经网络的浮筏养殖信息提取——以长海县为例

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

绿色科技 2024年第2期26卷 261-265页

作者：由金浩刘威王权明辽宁师范大学地理科学学院辽宁大连116029 国家海洋环境检测中心辽宁大连116023

浮筏养殖是海水养殖中最重要的类型之一,对于浮筏养殖的精确提取尤为重要。然而浮筏在遥感影像中分布密集,且背景复杂,并且以往的浮筏提取方法,多为机器学习,未能挖掘浮筏养殖的深度特征,以及光谱信息的高效利用。针对上述问题,提出了u-... 详细信息

浮筏养殖是海水养殖中最重要的类型之一,对于浮筏养殖的精确提取尤为重要。然而浮筏在遥感影像中分布密集,且背景复杂,并且以往的浮筏提取方法,多为机器学习,未能挖掘浮筏养殖的深度特征,以及光谱信息的高效利用。针对上述问题,提出了u-net网络模型进行浮筏养殖信息提取,使用比值指数计算特征波段,去除冗余光谱信息,并添加深度神经网络,深化提取浮筏信息提取的深度特征通道,实现了浮筏养殖信息的高精度提取。选取长海县大长山岛作为研究区域,与Canny算子、Otsu算法、PCA_Kmeans算法提取结果进行了对比,u-net模型浮筏养殖的提取总体精度为95.6%,与常用的机器学习算法相比,提取精度提高了9%~13%,验证了u-net模型在浮筏养殖识别中的高效性。

关键词：浮筏养殖 u-net模型比值指数深度特征光谱信息

改进u-net的视网膜OCT图像分层方法研究

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3期 147-149页

作者：杨明辉谢德洁杜肖洋陈荣青岛黄海学院大数据学院山东青岛266427

视网膜光学相干断层扫描(OCT)图像各细胞层的厚度和形状在诊断眼科疾病中具有重要意义。目前,视网膜分层研究存在许多挑战,例如,层边界缺乏上下文语义信息、病变区域分割不精确等。为了提高OCT成像中视网膜层分割和测量的精度,提出了一... 详细信息

视网膜光学相干断层扫描(OCT)图像各细胞层的厚度和形状在诊断眼科疾病中具有重要意义。目前,视网膜分层研究存在许多挑战,例如,层边界缺乏上下文语义信息、病变区域分割不精确等。为了提高OCT成像中视网膜层分割和测量的精度,提出了一种融合密集编码器与位置注意力的u型网络方法。该方法的密集编码器能够提取更多样化的全局特征,利用位置注意力保证了视网膜目标边界和区域空间的一致性。与现有经典分割模型相比,该方法的视网膜自动分层平均准确率达到了87.35%,平均厚度误差减少至1.74个像素点,大大提升了视网膜OCT分层的性能。

关键词：视网膜OCT分层 u-net模型密集编码器位置注意力

在线全文

学校读者我要写书评

暂无评论

基于u-net的道路裂缝分割检测

中文科技期刊数据库（引文版）工程技术 2024年第2期 145-149页

作者：胡彩旭上海浦江桥隧运营管理有限公司上海200023

道路裂缝是道路损坏的主要表现,其进一步恶化会影响道路交通。因此,及时发现道路裂缝对保障道路交通安全具有重要意义。路面裂缝识别技术正由传统的人工检测向更高效且自动化的检测技术转变,在这一转变过程中图像识别检测算法成为辨识... 详细信息

道路裂缝是道路损坏的主要表现,其进一步恶化会影响道路交通。因此,及时发现道路裂缝对保障道路交通安全具有重要意义。路面裂缝识别技术正由传统的人工检测向更高效且自动化的检测技术转变,在这一转变过程中图像识别检测算法成为辨识精度有效提升的重要技术手段和突破方向,机器学习成为主流。本研究采用u-net网络,整合多个公开裂缝分割数据集,从而提高模型的性能和泛化能力,最终实现各种复杂情况下道路裂缝的分割检测任务。

关键词：道路裂缝识别 u-net模型图像分割深度学习

基于u-net模型的医学图像分割方法的研究

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于U-Net模型的医学图像分割方法的研究

作者：席何文南华大学

学位级别：硕士

随着医学工程技术的不断发展,医学图像分割在病理诊断、手术指导和术后恢复等阶段中承担着重要的责任。目前,基于深度学习的u-net模型在医学图像自动化分割领域有着广泛的应用。本文通过结合u-net模型和其他图像处理方法实现对医学图像... 详细信息

随着医学工程技术的不断发展,医学图像分割在病理诊断、手术指导和术后恢复等阶段中承担着重要的责任。目前,基于深度学习的u-net模型在医学图像自动化分割领域有着广泛的应用。本文通过结合u-net模型和其他图像处理方法实现对医学图像的自动化分割,主要的研究内容如下:(1)针对传统二维卷积无法有效提取空间信息的问题,提出一种基于注意力机制的u-net模型(Att-Dial Res net3D)。Att-Dial Res net3D模型在u-net框架基础上进行改进,使用锯齿状的膨胀残差卷积块提取三维图像中片间和片内特征,减少空间信息的丢失,通过注意力的方法融合上下文信息。提出的模型在Li TS2017肝脏肿瘤分割数据集上验证,实验结果表明Att-Dial Res net3D模型对肝脏和肿瘤图片的分割结果的平均dice分别达到0.958和0.666,全局dice分别达到0.962和0.800。(2)针对原始u-net模型中过多的卷积层和池化层会造成梯度弥散和网络退化等问题,提出一种基于金字塔残差的u-net模型。该模型利用金字塔残差得到不同尺度的图像特征,并将这些特征与卷积层提取的特征进行融合,在未增加网络参数的基础上得到更丰富的特征信息。提出的模型在ISIC 2018皮肤癌分割数据集上验证,实验结果表明基于金字塔残差的u-net分割模型具有更高的精度和更好的鲁棒性。(3)针对u-net模型中堆叠的局部操作无法高效获取全局信息的问题,提出一种基于多注意力的u-net模型。该模型通过自注意力的方式建立全部特征之间的依赖关系,然后利用通道注意力与空间注意力减少池化过程中的信息损失。分割模型在MICCAI 2020新冠肺炎(COVID-19)分割数据集和SCuI 2020甲状腺结节分割数据集上验证,实验结果证明基于多注意力的u-net模型实现了全局信息聚合和高效快速的分割。

关键词：深度学习图像分割特征 u-net模型注意力

基于深度学习的建筑物识别及占用耕地建房自动化监测--以湖南省长沙市X村为例

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

湖北农业科学 2024年第1期63卷 195-198页

作者：石珊胡兵杨丛瑞长沙市规划信息服务中心长沙410006 红河州自然资源和规划局云南红河州661100

针对农村普遍存在的占用耕地建房现象,基于深度学习和图像分析提出了一种自动化监测方法,通过对高分辨率遥感影像数据的预处理,构建基于卷积神经网络的自动化监测模型,有效判定目标影像中的每个像元格是否占用耕地建房。以湖南省长沙市... 详细信息

针对农村普遍存在的占用耕地建房现象,基于深度学习和图像分析提出了一种自动化监测方法,通过对高分辨率遥感影像数据的预处理,构建基于卷积神经网络的自动化监测模型,有效判定目标影像中的每个像元格是否占用耕地建房。以湖南省长沙市X村为例,横向比较u-net、Segnet、DeepLabV3p模型的识别能力。结果表明,当学习率为0.01、批大小为2、迭代次数为100次时,u-net模型对建筑物的识别结果最佳;该模型共发现66宗潜在占用耕地建房案例,识别结果准确率高且耗时短;该模型充分运用了现代信息技术及方法,可在一定程度提高土地执法监察的工作效率、节省工作时间及资源。

关键词：深度学习 u-net模型自动化监测建筑物识别占用耕地土地执法湖南省长沙市

基于u-net模型的无人机影像建筑物提取研究

在线全文

学校读者我要写书评

暂无评论

科技创新与生产力 2021年第7期 71-74页

作者：邓烨丁涛安徽理工大学空间信息与测绘工程学院安徽淮南232001 矿山采动灾害空天地协同监测与预警安徽省教育厅重点实验室安徽淮南232001

为了提高无人机影像建筑物自动提取精度,本文采用语义分割u-net模型完成对无人机正射影像中建筑物的提取,针对目标区域数据太少等问题,使用深度迁移学习的方法在开源数据集训练u-net模型,然后通过迁移学习对无人机正射影像中的建筑物进... 详细信息

为了提高无人机影像建筑物自动提取精度,本文采用语义分割u-net模型完成对无人机正射影像中建筑物的提取,针对目标区域数据太少等问题,使用深度迁移学习的方法在开源数据集训练u-net模型,然后通过迁移学习对无人机正射影像中的建筑物进行提取。实验采用法国国家信息与自动化研究所(INRIA)公开的图像数据集,以验证实验方法的有效和稳定。实验结果显示,该方法从影像中提取建筑物的准确率为97.36%、精确率为91.00%、召回率为88.51%,并且不受建筑物分布密度和类型的限制,对矩形建筑物提取效果较好。

关键词：无人机影像建筑物提取 u-net模型深度学习

在线全文

学校读者我要写书评

暂无评论

基于u-net模型的航拍图像去绳带方法

应用光学 2019年第5期40卷 786-794页

作者：洪汉玉孙建国栾琳王硕郑新波武汉工程大学湖北省视频图像与高清投影工程技术研究中心湖北武汉430073 深圳光启高等理工研究院广东深圳518000

光启云端号平台是用电缆绳索牵引气囊的,由于空中航拍摄像系统悬挂在气囊下方,摄取的图像不可避免地含有绳带信息,这些绳带信息影响图像质量,所以在场景分析和目标检测中需要剔除。提出一种基于u-net模型的绳带检测算法,引入深度可分离... 详细信息

光启云端号平台是用电缆绳索牵引气囊的,由于空中航拍摄像系统悬挂在气囊下方,摄取的图像不可避免地含有绳带信息,这些绳带信息影响图像质量,所以在场景分析和目标检测中需要剔除。提出一种基于u-net模型的绳带检测算法,引入深度可分离卷积提高计算速度,采用一种带权重的交叉熵作为损失函数,解决类别不均衡带来的收敛不稳定问题,最终的模型能够用较少的样本在较短的时间内,快速准确地检测绳带,利用快速行进修复算法(FMM)对绳带图像进行了修复。实验结果表明:该算法的mIOu达到62.8%,得到了较好的去绳结果。

关键词：空中航拍绳带检测语义分割 u-net模型