检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于语义分割的混凝土裂缝图像识别方法研究

工程勘察 2023年第4期51卷 42-47页

作者：江涛锋唐永圣陆志溢沈国根河海大学土木与交通学院南京210098 华设设计集团股份有限公司南京210014 扬州市隧道管理处江苏扬州225100

因快速、无损等优势,基于深度学习的图像识别技术已成为混凝土裂缝智能检测研究的热点,其中语义分割算法可实现对裂缝图像像素级别的分割,进而实现裂缝信息量化识别。基于u-net语义分割网络,本文提出一种混凝土裂缝图像识别方法。首先,... 详细信息

因快速、无损等优势,基于深度学习的图像识别技术已成为混凝土裂缝智能检测研究的热点,其中语义分割算法可实现对裂缝图像像素级别的分割,进而实现裂缝信息量化识别。基于u-net语义分割网络,本文提出一种混凝土裂缝图像识别方法。首先,针对混凝土裂缝检测,训练了改进的u-net网络模型,对裂缝图像实施精准分割;其次,对分割后的裂缝图像,采用最大内切圆算法提出了裂缝宽度计算方法;最后,通过室内混凝土板模型试验对所提方法进行验证。结果表明,本文算法和设备条件对于宽度为0.30mm左右的裂缝计算结果较差,最大误差为0.26mm;对于宽度大于0.60mm的裂缝计算效果较好,最大误差为0.14mm。考虑到可以通过提高相机分辨率进一步提升检测精度,本文方法可应用于混凝土结构表观裂缝检测,大幅提高基础设施的智能化管养水平。

关键词：混凝土裂缝语义分割 u-net模型裂缝宽度

在线全文

学校读者我要写书评

暂无评论

深度学习技术在遥感影像滑坡识别中的应用

北京测绘 2022年第10期36卷 1385-1390页

作者：张圆孔祥思张烁王辉建设综合勘察研究设计院有限公司北京100007

探索遥感影像滑坡识别方法对于抢险应急指挥具有重要意义。传统的人工现场勘察速度慢、效率低,因此本文提出了一种基于深度学习的遥感影像滑坡识别方法。该方法首先基于毕节滑坡影像构建样本集,为了增强模型泛化能力,对训练集进行扩充... 详细信息

探索遥感影像滑坡识别方法对于抢险应急指挥具有重要意义。传统的人工现场勘察速度慢、效率低,因此本文提出了一种基于深度学习的遥感影像滑坡识别方法。该方法首先基于毕节滑坡影像构建样本集,为了增强模型泛化能力,对训练集进行扩充增强并加入部分非滑坡数据,然后搭建u-net深度学习模型并输入训练集进行训练。最后,利用测试集和北京市房山区、延庆区的两处实际滑坡区域对模型进行测试。实验结果表明,该方法要优于常规的数学形态学与Segnet模型方法,方法精度较高,能够实现影像滑坡区域的有效识别。

关键词：深度学习滑坡识别 u-net模型遥感影像

基于改进u-net的视网膜血管分割方法研究

在线全文

学校读者我要写书评

暂无评论

长春师范大学学报 2022年第12期41卷 62-67,73页

作者：郭峰黄文博燕杨长春师范大学计算机科学与技术学院吉林长春130032

针对视网膜血管结构复杂、图像对比度低与细节区域分割不精准问题,提出一种基于改进u-net分割算法。针对卷积操作时卷积核的感受野范围较小而不能充分提取血管特征的问题,将原始卷积层替换成可变形卷积模块,该模块组合了不同尺度、不同... 详细信息

针对视网膜血管结构复杂、图像对比度低与细节区域分割不精准问题,提出一种基于改进u-net分割算法。针对卷积操作时卷积核的感受野范围较小而不能充分提取血管特征的问题,将原始卷积层替换成可变形卷积模块,该模块组合了不同尺度、不同复杂度的分支来丰富特征空间的多样性,增大卷积核的感受野范围,进而提升血管特征提取的效果;针对采样操作时产生的梯度消失问题,在网络上采样的过程引入循环残差卷积模块,有助于训练深层网络架构,解决梯度消失问题,避免冗余特征影响,更好地表示图像特征。将本文方法在DRIVE数据集上进行数据对比实验,实验结果的准确性为95.59%,特异性为97.92%,敏感性为79.63%,与当前主流的视网膜血管分割方法相比,改进的模型性能具有一定优势。

关键词：血管分割 u-net模型可变形卷积循环残差卷积

基于深度学习和高分辨率遥感影像的露天矿地物分类方法

在线全文

学校读者我要写书评

暂无评论

中国矿业 2022年第7期31卷 102-111页

作者：宋仁忠郑慧玉王党朝尚志王兴娟张成业李军神华北电胜利能源有限公司内蒙古锡林浩特026015 中国矿业大学(北京)地球科学与测绘工程学院北京100083

随着深度学习技术的发展,对高分辨率影像的分类已成为当前研究的热点,矿区地物分类更是矿区生态发展研究的重要问题。由于深度学习可以通过提取大量的历史影像数据规律及特征,对影像数据进行自动识别与分类,因此本文采用u-net模型开展... 详细信息

随着深度学习技术的发展,对高分辨率影像的分类已成为当前研究的热点,矿区地物分类更是矿区生态发展研究的重要问题。由于深度学习可以通过提取大量的历史影像数据规律及特征,对影像数据进行自动识别与分类,因此本文采用u-net模型开展高分辨率露天矿区地物类型分类研究。采用高分二号遥感影像数据,勾画样本数据集提取样本数据特征,进行分类模型的训练,对矿区测试集进行测试,探讨深度学习在高分遥感影像上的自动识别能力。结果表明,u-net模型对露天矿区地物识别的精确率(Precision)、召回率(Recall)、F;分数(F;-score)值分别达到0.86、0.82、0.84,均高于最大似然法、随机森林算法和支持向量机。基于深度学习中的u-net模型可以对露天矿区地物类型进行有效的自动识别,为高分露天矿区遥感影像数据的地物分类提供技术支撑,有效实现了露天矿各地物自动识别与分类的能力。本文研究成果可以用于AI在露天矿区遥感分类方面的应用以及对矿区生态环境的监测与修复。

关键词：深度学习矿区分类自动识别高分辨率遥感影像 u-net模型

基于改进的u-net和YOLOv5的绝缘子掩模获取与缺陷检测

在线全文

学校读者我要写书评

暂无评论

数据采集与处理 2021年第5期36卷 1041-1049页

作者：唐小煜熊浩良黄锐珊林威霖华南师范大学物理与电信工程学院广州510006 广东省量子调控工程与材料重点实验室广州510006 广东省光电检测仪器工程技术研究中心广州510006 华南师范大学物理国家级实验教学示范中心广州510006

输电线路的绝缘子定期巡检是必不可少的一项任务,而传统的人工巡检存在着效率低、工作强度大等问题。因此,本文设计了一种改进的u-net模型实现对绝缘子的分割,并使用改进的YOLOv5实现在复杂背景下对爆破绝缘子的定位。本文基于u-net图... 详细信息

输电线路的绝缘子定期巡检是必不可少的一项任务,而传统的人工巡检存在着效率低、工作强度大等问题。因此,本文设计了一种改进的u-net模型实现对绝缘子的分割,并使用改进的YOLOv5实现在复杂背景下对爆破绝缘子的定位。本文基于u-net图像语义分割模型,提出一种改进的网络结构SERes-unet。模型引入残差结构减少卷积过程中存在的梯度消失、结构信息损耗的影响,引入注意力机制对特征权重进行校正,从而提升网络性能。为实现对高分辨率图像的爆破绝缘子检测,提出将图片进行切割再进行检测,再通过非极大值抑制(Non-maximum suppression,NMS)进行筛选,获取图像全部爆破绝缘子的位置。本文设计的多组实验验证了模型的有效性和高效性。本文方法绝缘子分割精度达到0.96,爆破绝缘子检测精确率达到0.97,召回率达到0.99。

关键词：爆破绝缘子图像语义分割目标检测 u-net模型

基于u-net的紫外极光观测极光卵形态提取

在线全文

学校读者我要写书评

暂无评论

空间科学学报 2021年第4期41卷 667-675页

作者：王梓涵佟继周邹自明钟佳白曦中国科学院国家空间科学中心北京100190 中国科学院大学北京100049

极光卵形态提取是极光研究的重要手段.如何提高强干扰背景下的紫外极光图像极光卵形态提取精度,目前仍是一个难题.本文提出一种基于深度学习语义分割模型u-net的方法,实现了对极光卵形态的高精度提取.在Polar卫星紫外极光观测数据的实... 详细信息

极光卵形态提取是极光研究的重要手段.如何提高强干扰背景下的紫外极光图像极光卵形态提取精度,目前仍是一个难题.本文提出一种基于深度学习语义分割模型u-net的方法,实现了对极光卵形态的高精度提取.在Polar卫星紫外极光观测数据的实验结果表明,该方法相比于已有算法精度更高,对完整型极光卵和缺口型极光卵图像均能得到更加精确的提取结果,特别是针对强日辉干扰、灰度不均匀和对比度低情况下的紫外极光图像时,该方法显示了明显优势.

关键词：紫外极光观测极光卵形态提取 u-net模型

基于分水岭修正与u-net的肝脏图像分割算法

在线全文

学校读者我要写书评

暂无评论

计算机工程 2020年第1期46卷 255-261,270页

作者：亢洁丁菊敏万永雷涛陕西科技大学电气与控制工程学院西安710021 陕西科技大学电子信息与人工智能学院西安710021 西安交通大学第一附属医院老年外科西安710061

在利用卷积神经网络分割肝脏边界较模糊的影像数据时容易丢失位置信息,导致分割精度较低。针对该问题,提出一种基于分水岭修正与u-net模型相结合的肝脏图像自动分割算法。利用u-net分层学习图像特征的优势,将浅层特征与深层语义特征相融... 详细信息

在利用卷积神经网络分割肝脏边界较模糊的影像数据时容易丢失位置信息,导致分割精度较低。针对该问题,提出一种基于分水岭修正与u-net模型相结合的肝脏图像自动分割算法。利用u-net分层学习图像特征的优势,将浅层特征与深层语义特征相融合,避免丢失目标位置等细节信息,得到肝脏初始分割结果。在此基础上,通过分水岭算法形成的区域块对肝脏初始分割结果的边界进行修正,以获得边界平滑精确的分割结果。实验结果表明,与传统的图割算法和全卷积神经网络算法相比,该算法能够实现更为精准的肝脏图像分割。

关键词：肝脏图像分割卷积神经网络 u-net模型分水岭算法边界修正

在线全文

学校读者我要写书评

暂无评论

混凝土桥梁早期裂缝成因与检测方法研究

交通世界 2022年第16期 43-45页

作者：李进斌山西路桥第七工程有限公司山西晋城048000

针对桥梁裂缝对混凝土桥梁安全威胁严重且早期裂缝难以发现的问题,提出混凝土桥梁早期裂缝成因与检测方法。全方位分析混凝土桥梁早期裂缝的成因,基于u-net模型与图像识别技术设计早期裂缝检测方法,通过裂缝数据预处理、建立u-net模型... 详细信息

针对桥梁裂缝对混凝土桥梁安全威胁严重且早期裂缝难以发现的问题,提出混凝土桥梁早期裂缝成因与检测方法。全方位分析混凝土桥梁早期裂缝的成因,基于u-net模型与图像识别技术设计早期裂缝检测方法,通过裂缝数据预处理、建立u-net模型、模型训练、裂缝参数提取,完成对混凝土桥梁图像的分析,发现其中的裂缝,完成桥梁早期裂纹的检测。最后在实例中进行应用,得出该检测方法能够对早期裂缝的图像进行明显的加强作用,对裂缝的特征提取更加精确。

关键词：混凝土桥梁早期裂缝 u-net模型裂缝参数提取

在线全文

学校读者我要写书评

暂无评论

基于无标签数据的音源分离

电声技术 2022年第10期46卷 84-86页

作者：郭慧娴北京师范大学信息科学与技术学院北京100875

音源分离目前大多采用有监督的深度学习方法,这种方法往往需要利用大量的标签数据进行建模。然而,实际中标签数据并不容易获取且价格昂贵。针对无标签数据的音源分离只能采用有意义的先验知识来弥补标签数据的不足,对此,提出一种基于先... 详细信息

音源分离目前大多采用有监督的深度学习方法,这种方法往往需要利用大量的标签数据进行建模。然而,实际中标签数据并不容易获取且价格昂贵。针对无标签数据的音源分离只能采用有意义的先验知识来弥补标签数据的不足,对此,提出一种基于先验知识的u-net模型。它既不影响现有卷积体系结构的网络复杂性,也不影响其收敛行为,但能显著改善分离后的音频质量。实验结果表明,所提出的方法的分离效果比传统模型更好。

关键词：音源分离无标签数据 u-net模型