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u2net的边缘检测研究

河北建筑工程学院学报 2024年第2期 229-235页

作者：杨洪成岳杰赵明瞻张大伟河北建筑工程学院

边缘检测在计算机视觉领域中扮演着重要角色，其可用于目标检测、图像分割等任务。u2net是一种基于u-net的深度学习模型，通过分层次的特征提取和上下文感知的特征融合来实现高精度的图像分割。针对u2net在边缘检测中的应用进行研究，... 详细信息

边缘检测在计算机视觉领域中扮演着重要角色，其可用于目标检测、图像分割等任务。u2net是一种基于u-net的深度学习模型，通过分层次的特征提取和上下文感知的特征融合来实现高精度的图像分割。针对u2net在边缘检测中的应用进行研究，发现传统卷积核对在卷积过程中对梯度信息不敏感的问题，传统的卷积块进行卷积时，内核优化是随机初始化的，对梯度信息没有显示编码，这导致了它很难专注于边缘相关的特征，而差分卷积是将卷积核覆盖的局部特征patch内的原始像素替换为像素差，将有用的像素关系进行编码，将其保留在训练过程中的卷积核内，这样就能克服传统CNN对捕获梯度信息不敏感的问题。并且在自制数据集和BSDS500公共数据集进行实验验证，证明了差分卷积u2net在边缘检测任务上的优越性能。研究结果表明，基于差分卷积的u2net是一种可以实现抠图和边缘检测的高效模型，可应用于各种实际场景中。

关键词： u2net 边缘检测深度学习差分卷积

基于u2net神经网络的混凝土表面裂缝检测研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

青海大学学报 2024年第3期42卷 77-85页

作者：李晏兴杨青顺青海省建筑节能材料与工程安全重点实验室青海大学土木水利工程学院青海西宁810016

本研究提出了一种基于u2net神经网络的改进网络AM-u2net,以实现对混凝土结构裂缝更为准确和快速地检测。首先,在原u2net网络的跳跃连接部分施加注意力机制,在网络结构的上层部分添加CBAM注意力模块,下层部分添加ECA注意力模块。然后,引... 详细信息

本研究提出了一种基于u2net神经网络的改进网络AM-u2net,以实现对混凝土结构裂缝更为准确和快速地检测。首先,在原u2net网络的跳跃连接部分施加注意力机制,在网络结构的上层部分添加CBAM注意力模块,下层部分添加ECA注意力模块。然后,引入Mish激活函数,提出一种AM-u2net网络。结果显示:改进网络AM-u2net的性能要优于对比网络unet、unet++和原u2net,准确率、精确率、召回率和f1score分别达到99.1%、64.2%、65.4%和64.8%。最后,采用骨架线的方法对模型输出的混凝土裂缝预测图像,在像素级别上标注计算裂缝的长宽属性,使得模型预测裂缝的结果能够反映出混凝土裂缝的一些基本属性。本研究提出的改进算法在混凝土裂缝识别任务中具有较好的表现,为裂缝检测的后续研究提供思路。

关键词：混凝土裂缝 u2net 注意力机制激活函数骨架线

基于改进u^(2)net网络和无人机影像的城市绿化识别方法

在线全文

学校读者我要写书评

暂无评论

陕西科技大学学报 2024年第3期42卷 174-181页

作者：王桢杨培峰张秋仪杨晋苏福建理工大学计算机科学与数学学院福建福州350118 福建理工大学建筑与城乡规划学院福建福州350118

针对城市绿化识别中存在的无可用公开数据集、人工标注数据任务大、图像边界分割不精确的问题,提出结合无人机影像和深度学习网络的城市绿化自动识别框架.首先建立基于无人机影像的城市绿化数据集,其次,运用交互式自动标注工具EISeg对... 详细信息

针对城市绿化识别中存在的无可用公开数据集、人工标注数据任务大、图像边界分割不精确的问题,提出结合无人机影像和深度学习网络的城市绿化自动识别框架.首先建立基于无人机影像的城市绿化数据集,其次,运用交互式自动标注工具EISeg对数据进行标注,引入u^(2)net用于无人机影像下的城市绿化识别,最后,在网络的特征提取模块引入最大池化索引来加强对目标边界的分割能力.结果表明,相较于其它深度学习网络,u^(2)net在小规模数据集中有着优异的表现且改进后的网络在1 000张的训练集中达到了97.16%的分类精度,较原始的u^(2)net提高0.68%,模型参数量、计算量、内存均未显著提升.改进后的方法提升了城市绿化的识别精度,可以为城市绿化识别提供一种新的自动解译方法.

关键词：城市绿化识别 u2net 无人机影像深度学习

维普期刊数据库博看期刊

基于改进u2net的显著性物体检测算法研究

在线全文

学校读者我要写书评

暂无评论

基于改进U2NET的显著性物体检测算法研究

作者：郑伟鹏河北建筑工程学院

学位级别：硕士

显著性目标(物体)检测是计算机视觉领域研究的热点之一,旨在找出图像中人眼感兴趣的物体。显著性目标检测广泛应用于图像检索、具有内容感知的图像裁剪、医疗辅助诊断等方面。随着深度学习技术不断走向成熟,基于卷积神经网络的显著性目... 详细信息

显著性目标(物体)检测是计算机视觉领域研究的热点之一,旨在找出图像中人眼感兴趣的物体。显著性目标检测广泛应用于图像检索、具有内容感知的图像裁剪、医疗辅助诊断等方面。随着深度学习技术不断走向成熟,基于卷积神经网络的显著性目标检测算法逐渐替代了传统的数学方法,通过卷积核在输入图像滑动和计算内积来提取图像中的空间特征信息。u2net为近些年来在显著性目标领域效果较好的模型,但是u2net在处理一些背景与显著性物体对比度相似的图像时会出现显著性物体边界模糊的问题,所以本课题选取了u2net模型进行基础研究和改进,通过本课题提出的改进方法在一定程度上提高了u2net显著性目标检测模型的精准度以及推理速度,具体研究内容如下:(1)针对u2net提取显著性目标图像时存在边界模糊的问题,本课题提出了改进u2net中特征提取模块的方法。通过在RSu特征提取模块的编码器和解码器之间引入多重跳跃连接层,提高解码器对原有特征图像信息保留能力。同时,将不同尺度的特征图拼接在一起,更好地保留了特征图像的全局和局部信息,提高了u2net模型的边界信息提取能力。(2)为了解决u2net模型训练缓慢的问题,本课题采用了随机失活和批量归一化技术,降低了模型中参数过多的特征图像通道数量,以加快模型训练时的收敛速度。同时,这种方法还解决了u2net模型在训练过程中由于数据集不足而导致的过拟合问题。(3)为了进一步提高u2net模型的准确度,通过u2net模型中编码器和解码器之间的跳跃连接层替换成融合的通道和空间注意力机制,该方法可以进一步提高模型的性能。原始的跳跃连接层是通过简单的拼接方式将编码器和解码器的特征图进行融合,但是这种方式无法对特征进行选择性的融合。而通道注意力机制和空间注意力机制可以分别对通道和空间特征进行注意力权重的计算,使其具有选择性的融合编码器阶段的特征图。本文实验证明了改进后的u2net相比原有的u2net模型有了一定程度的提升。

关键词：显著性目标检测注意力机制 u2net 跳跃连接层自编码器

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u2net的自动抠图技术研究

河北建筑工程学院学报 2023年第3期41卷 202-206页

作者：赵子荣司亚超河北建筑工程学院河北张家口075000

针对计算机视觉领域当中的抠图问题,提出了一种基于u2net的自动抠图技术,以快速、准确地分离图像中的前景和背景。研究采用深度学习模型,通过学习图像中前景和背景的差异来实现高效、精准的抠图过程。在实验过程中,使用经过预训练的u2Ne... 详细信息

针对计算机视觉领域当中的抠图问题,提出了一种基于u2net的自动抠图技术,以快速、准确地分离图像中的前景和背景。研究采用深度学习模型,通过学习图像中前景和背景的差异来实现高效、精准的抠图过程。在实验过程中,使用经过预训练的u2net模型来进行抠图,采用均分误差等通用的抠图效果评价指标对结果进行评判,较其他抠图技术表现出更优的效果。实验表明,在各种复杂场景下,该技术展现出良好的抠图效果,并且具备更高的准确率和更快的处理速度。同时该技术在图像编辑、计算机视觉、医疗影像等多个领域都有广泛的应用前景。

关键词：图像抠图深度学习 u2net 前景分割背景分割

基于Doubleu-net的中分辨率遥感影像高原湖泊提取研究

在线全文

学校读者我要写书评

暂无评论

基于DoubleU-Net的中分辨率遥感影像高原湖泊提取研究

作者：侯幸幸广州大学

学位级别：硕士

高原湖泊面积变化受到气候和人类活动的影响,是记录包括气温、降水、环境和人类活动等自然及人为变化的重要载体。因此,高效精确地获取湖泊的信息对研究气候变化、区域水循环及生态保护措施等方面具有重要的作用。提取方法的改进一直是... 详细信息

高原湖泊面积变化受到气候和人类活动的影响,是记录包括气温、降水、环境和人类活动等自然及人为变化的重要载体。因此,高效精确地获取湖泊的信息对研究气候变化、区域水循环及生态保护措施等方面具有重要的作用。提取方法的改进一直是遥感影像高原湖泊信息提取的研究重点,其趋势是从目视解译到遥感指数、机器学习再到如今的深度学习方法的发展。传统方法提取高原湖泊存在工作量大,自动化程度低,依赖大量人工参与的问题,成本比深度学习方法更高。传统机器学习不能充分利用遥感影像的光谱信息及空间信息,一般仅利用结构简单的浅层模型学习人工设定的特征,因此在地物提取精度上有一定的局限性。目前,提高高原湖泊提取精度的方向是使用深度学习方法对遥感影像丰富的信息进行充分挖掘。由于影像幅宽、时空分辨率及数据可获得性等因素影响,高原湖泊监测使用的遥感影像卫星主要是Landsat系列卫星,而基于深度学习的遥感影像地物提取主要使用高分辨率遥感影像,因此为突破深度学习技术在中分辨率遥感影像提取高原湖泊中的局限性,需要找到一种适合利用中分辨率遥感影像提取高原湖泊的深度学习方法。深层网络体系结构u-net提取总体精度高,迁移后边界提取更为精细,但提取结果中的细节部分欠佳。因此,为了进一步提高在中分辨率遥感影像中对高原湖泊的提取精度,本文基于u-net网络高原湖泊内部精细部分的判别和提取任务效果不佳的情况,结合u-net在对青海湖内的岛屿等细节部分的提取表现,及u-net对青海湖边界的提取表现,选择了Double u-net对中分辨率遥感影像中高原湖泊进行提取。在u-net融合图像深浅层特征的基础上改进的Double u-net具有强大的鲁棒性和泛化能力,其中加入的SE模块能够利用加权对最关键的特征进行加强,达到网络对重要特征进行自动判别和学习的目的,从而提高高原湖泊提取精度。本文制作中分辨率遥感影像高原湖泊数据集进行实验,实验结果表明:(1)u-net具有深层网络体系结构,其结构是两级嵌套的u型结构,其底层结构RSu块使用的池化层增加了整个网络的深度,因此能够获取更多高原湖泊的特征信息,在对纳木错湖的预测结果总体精度达到了97.53%,高于u-net网络的高原湖泊提取精度,深层网络体系结构可以获取更丰富的图像信息,因此能够提高语义分割的精度。(2)u-net网络迁移到青海湖后的预测结果虽然精度较高,但提取结果中的细节部分欠佳,对青海湖内部的岛屿等细节提取不到位。u-net仅凭借获取更多更详细的高原湖泊图像特征不能有效提高湖泊提取的精度,并不适用于中分辨率遥感影像中高原湖泊精细部分的提取。青海湖内部精细部分更为复杂,提取时存在一定的难度。因此,仅仅提升模型对图像特征的获取能力不适用于内部精细部分的判别和提取任务。(3)Double u-net结合了u-net的网络结构和SE模块等优点,具有u-net网络将图像特征进行编码和解码后与网络中深层及浅层语义特征进行融合的特点;SE模块的加入对原始特征图在通道级别进行了加权操作,使得网络能够按照重要程度对不同通道输出特征进行自动学习。Double u-net对青海湖的预测结果总体精度达到98.55%,同时其余各项精度指标中均表现更好。因此Double u-net对中分辨率遥感影像中高原湖泊的重要特征具有自主判别和学习的能力,能够完成高原湖泊提取的任务。(4)以青海湖为例验证Double u-net模型在长时序提取任务中的泛化性,对青海湖2000-2021年遥感影像进行预测,并根据预测结果对青海湖面积时空变化进行分析。青海湖面积时间变化趋势为2000-2003年湖泊面积缩小,2003-2021年以后湖泊面积增大。空间变化中,青海湖边界变化最大的区域主要为青海湖东岸的沙岛湖和海晏湾,北岸的沙柳河入口及西岸的鸟岛和铁布卡湾。此外,2000-2021年青海湖边界整体呈现向外扩张趋势,其中2009年后青海湖边界变化更为剧烈。结果表明,本文基于Double u-net模型对中分辨率遥感影像进行高原湖泊提取能够对相关政策和管理提供数据支持及依据,具有推广应用的价值。

关键词：深度学习 u2net Double u-net 语义分割高原湖泊

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

复杂场景下多重损失的步态识别系统的实现

软件 2023年第5期44卷 11-18页

作者：李长萍于大海郭豪李杰胡滨贵州大学计算机科学与技术学院贵州贵阳550000

在目前的高校教育制度下,我国的教育事业蓬勃发展,但是在学生课堂早退违纪问题的处理中仍存在不足之处,由于早退学生的过多遮挡以及背景环境较高的复杂程度,因此在识别学生的身份时很难同时兼顾速度和准确性。针对该问题,基于显著性目... 详细信息

在目前的高校教育制度下,我国的教育事业蓬勃发展,但是在学生课堂早退违纪问题的处理中仍存在不足之处,由于早退学生的过多遮挡以及背景环境较高的复杂程度,因此在识别学生的身份时很难同时兼顾速度和准确性。针对该问题,基于显著性目标检测u2net网络和多重损失的GaitSet模型,结合步态识别相关技术,设计和实现了针对于高校课堂早退学生身份识别的系统DGRSML,为有效解决高校学生课堂早退违纪现象的身份识别问题提供了帮助。

关键词：复杂场景多重损失课堂早退步态识别 GaitSet u2net