检索结果-南通市图书馆

联合Swin Transformer和unet的GAN人脸修复算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

现代计算机 2024年第6期30卷 32-37页

作者：张梦澜太原师范学院计算机科学与技术学院晋中030619

基于GAN的人脸修复技术大都采用CNN进行修复,忽略了人脸修复的全局信息和整体均匀性,从而导致修复结果不理想。基于此问题,提出一种联合Swin Transformer和unet的GAN人脸修复算法,进行人脸图像修复。该方法整体采用GAN生成器-判别器架构... 详细信息

基于GAN的人脸修复技术大都采用CNN进行修复,忽略了人脸修复的全局信息和整体均匀性,从而导致修复结果不理想。基于此问题,提出一种联合Swin Transformer和unet的GAN人脸修复算法,进行人脸图像修复。该方法整体采用GAN生成器-判别器架构,使用Swin Transformer作为主干网络,用于捕捉图像的全局依赖关系;采用unet的编码-解码结构,在局部区域进行特征提取和重建。实验结果表明,相较于以往方法,该方法能更好地处理人脸图像修复任务。

关键词：生成对抗网络人脸修复 Swin Transformer unet

在线全文

学校读者我要写书评

暂无评论

基于改进unet的多目标非侵入式负荷监测

淮北师范大学学报（自然科学版） 2024年第2期45卷 21-28页

作者：程志友张帅安徽大学互联网学院安徽合肥230039 教育部电能质量工程研究中心(安徽大学) 安徽合肥230601

非侵入式负荷监测被认为是能源监测和管理中一个关键问题,针对传统NILM模型对多状态电器训练准确率较低且只能对单一电器进行训练问题,文章提出基于改进unet多目标非侵入式负荷监测模型。模型在unet基础上引入卷积块注意力模块(CBAM),C... 详细信息

非侵入式负荷监测被认为是能源监测和管理中一个关键问题,针对传统NILM模型对多状态电器训练准确率较低且只能对单一电器进行训练问题,文章提出基于改进unet多目标非侵入式负荷监测模型。模型在unet基础上引入卷积块注意力模块(CBAM),CBAM结合通道和空间注意力,增强模型提取特征能力,通过结合残差连接,将激活函数ReLU替换为GELU,防止网络退化和梯度爆炸,利用神经网络不同通道特征提取能力实现多通道输出,对UK-DALE数据集上使用最多5个电器同时训练。相比于现有NILM模型,该模型在更低网络参数量下,可以实现多目标监测且有较高准确率。

关键词：非侵入式负荷监测 unet 卷积块注意力模块残差连接深度学习

基于多阶段渐进式unet压制地震勘探随机噪声

在线全文

学校读者我要写书评

暂无评论

测试技术学报 2024年第2期38卷 210-220页

作者：贺守峰李光辉宁旭亮山西大学物理电子工程学院山西太原030006

数据处理是地震勘探的关键环节,unet网络作为典型的神经网络架构之一,近年来也被用于地震勘探领域,作为一种压制随机噪声的手段。unet网络基于其对称的编码和解码结构,可以提取广泛的上下文信息,但由于其编码部分过度使用下采样操作,容... 详细信息

数据处理是地震勘探的关键环节,unet网络作为典型的神经网络架构之一,近年来也被用于地震勘探领域,作为一种压制随机噪声的手段。unet网络基于其对称的编码和解码结构,可以提取广泛的上下文信息,但由于其编码部分过度使用下采样操作,容易丢失输入图像的空间细节部分。其次,unet架构是一种单阶段模型,网络结构简单,在空间精确度和多尺度信息之间难以达到平衡。基于此,提出多阶段渐进式unet网络(MPunet),网络前两个阶段采用编码器-解码器学习丰富的多尺度信息,最后一个阶段通过原始分辨率子网络保留精确的空间细节。每两个阶段之间引入监督注意模块,用来重新校准进入下一阶段的特征,以及引入跨阶段特征融合机制,使整个网络框架连接更加紧密,避免有效信息的丢失。人工合成记录和实际地震数据实验结果表明:相比于时频峰值滤波(TFPF)、残差密集网络(RDNet)、传统unet和加入残差密集块的UNe(t RDBunet),MPunet具有更显著的去噪效果,能够有效提高地震数据的信噪比和分辨率,为后续地震资料的分析解释提供了有利的依据。

关键词： unet 噪声压制 MPunet 神经网络地震勘探

融合改进YOLOv7与unet的编码点定位方法

在线全文

学校读者我要写书评

暂无评论

国外电子测量技术 2024年第5期43卷 9-17页

作者：刘升古丽巴哈尔·托乎提补生来买买提明·艾尼新疆大学智能制造现代产业学院乌鲁木齐830047 西安交通大学机械制造系统工程国家重点实验室西安710049

针对编码点的定位存在误检率高和精准度差的问题,提出了一种融合改进YOLOv7与unet的圆形编码点定位方法。第1阶段使用改进的YOLOv7检测编码点的位置,改进的YOLOv7首先将DCN-v2可变形卷积引入ELAN模块,提升特征提取能力;其次把卷积块注... 详细信息

针对编码点的定位存在误检率高和精准度差的问题,提出了一种融合改进YOLOv7与unet的圆形编码点定位方法。第1阶段使用改进的YOLOv7检测编码点的位置,改进的YOLOv7首先将DCN-v2可变形卷积引入ELAN模块,提升特征提取能力;其次把卷积块注意力模块(CBAM)机制嵌入骨干网络使网络更关注目标特征;然后使用Focal-EIoU Loss提高收敛速度;最后构建OD-Cat模块替换ConCat模块以提升网络检测精度。提取出每个圆形编码点的ROI后,第2阶段通过unet分割出编码点的中心轮廓后,使用最小二乘法拟合出编码点的中心。实验结果表明,改进后的模型比原YOLOv7的精确率提高了6.33%,平均精度均值(mAP)提升了5.76%;提出的定位方法验证了在噪声、亮度不足或曝光等复杂环境下可以准确定位出编码点的中心椭圆轮廓,在实际工业视觉测量中具备鲁棒性。

关键词：编码点识别深度学习中心定位 YOLOv7 unet 最小二乘法

基于复数域Transformer-unet混合模型的PolSAR地物分类

在线全文

学校读者我要写书评

暂无评论

遥测遥控 2024年第3期45卷 35-42页

作者：谢雯张嘉鹏张哲哲闪晨超西安邮电大学通信与信息工程学院西安710121

传统的基于深度学习的极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)地物分类方法,通过堆叠卷积层提取图像局部特征,难以建立长距离依赖关系。基于自注意力机制的深度学习模型Transformer (变换)在图像分类任务中取... 详细信息

传统的基于深度学习的极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)地物分类方法,通过堆叠卷积层提取图像局部特征,难以建立长距离依赖关系。基于自注意力机制的深度学习模型Transformer (变换)在图像分类任务中取得了成功,其自注意力机制能够捕获全局像素之间的关联性,同时PolSAR地物分类任务被证实:相比于实数域,其在复数域上表现出更好的分类效果。因此,本文将Transformer引入到复数域中,提出了一种基于复数域的Transformer和unet (语义分割网络)混合模型(CT-unet)用于PolSAR地物分类,将Transformer与CNN相结合,对复数类型的PolSAR数据进行特征提取,使用西安数据集和德国数据集进行PolSAR地物分类的实验结果表明:提出的模型能够有效提高PolSAR地物分类的准确性,Transformer有望在PolSAR地物分类任务中弥补卷积神经网络的不足。

关键词：极化合成孔径雷达复数域 Transformer unet

基于Attention-unet网络的速度模型构建方法研究

在线全文

学校读者我要写书评

暂无评论

物探化探计算技术 2024年第1期46卷 1-10页

作者：孙德辉王云专王莉利东北石油大学地球科学学院大庆163318 东北石油大学计算机与信息技术学院大庆163318

随着油气资源的不断勘探开发,相对易开采的油气矿逐渐建成,地震勘探的研究重点也向地下更深、构造更复杂的区域转移。目前,传统的地震速度建模方法在稳定性、准确性和计算效率方面都面临挑战。因此,笔者利用将地震数据映射到速度模型的... 详细信息

随着油气资源的不断勘探开发,相对易开采的油气矿逐渐建成,地震勘探的研究重点也向地下更深、构造更复杂的区域转移。目前,传统的地震速度建模方法在稳定性、准确性和计算效率方面都面临挑战。因此,笔者利用将地震数据映射到速度模型的思路,提出了一种基于Attention-unet网络的深度学习速度建模方法。采用的这种方法利用有限差分正演得到反射波形数据,将反射波形数据和对应的速度模型(标签)对作为Attention-unet网络的输入,建立地震数据和速度模型之间的映射关系。网络训练后对新输入的地震数据进行速度模型的估计。数值实验结果表明,与传统的FWI相比,笔者提出的方法表现出良好的性能;基于Attention-unet网络模型训练完成后,不需要经过大量的计算,就可以快速执行与训练集中速度结构相似的地下结构的速度建模,这比传统方法计算效率更高。该方法在建立大量速度模型时具有很好的推广价值。

关键词：速度建模注意力机制 unet 全波形反演

基于unet+Swin-Transformer的西瓜叶片病害识别的研究

在线全文

学校读者我要写书评

暂无评论

软件工程 2024年第1期27卷 55-57,73页

作者：向宇杰向元平湖南农业大学信息与智能科学技术学院湖南长沙410128

诊断与识别植物叶片的病虫害是农业生产中的一大难题。为了解决西瓜叶片病虫害的诊断与识别问题,方便瓜农评估西瓜叶片的健康状况,提出了一种先分割、后识别的西瓜叶片病害识别算法。该算法首先采用unet模型对叶片进行分割,其次使用Swin... 详细信息

诊断与识别植物叶片的病虫害是农业生产中的一大难题。为了解决西瓜叶片病虫害的诊断与识别问题,方便瓜农评估西瓜叶片的健康状况,提出了一种先分割、后识别的西瓜叶片病害识别算法。该算法首先采用unet模型对叶片进行分割,其次使用Swin-Transformer模型进行病虫害识别。通过在自建的西瓜叶片数据集上进行对比实验,文章所提算法识别准确率达到92.9%,相比直接在原始图像上使用Swin-Transformer模型进行病虫害识别,准确率提高了3.2%。实验结果表明,使用分割后的图像进行病虫害分类可以显著提高识别准确率。

关键词： unet Swin-Transformer 语义分割病虫害识别

基于多光谱航空图像的农田生长异常区域实时分割模型

在线全文

学校读者我要写书评

暂无评论

湖北农业科学 2024年第6期63卷 198-203页

作者：胡海洋陈健张丽莲杨林楠云南农业大学大数据学院/云南省农业大数据工程技术研究中心/云南省绿色农产品大数据智能信息处理工程研究中心昆明650201

针对农田异常区域分割问题,采用特征融合跳跃连接模块和全局-局部注意力模块改进unet网络模型,提出了一种农田异常区域实时分割网络,实现了对多种农田异常区域的精细分割。结果表明,农田生长异常区域实时分割模型的平均交并比(MIoU)明... 详细信息

针对农田异常区域分割问题,采用特征融合跳跃连接模块和全局-局部注意力模块改进unet网络模型,提出了一种农田异常区域实时分割网络,实现了对多种农田异常区域的精细分割。结果表明,农田生长异常区域实时分割模型的平均交并比(MIoU)明显优于其他模型,平均交并比为41.24%;相较于使用unet作为基线的模型,虽然本研究模型的参数量略有增加,但农田分割效果明显提升,MIoU提高了4.16个百分点;与基于Transformer编码器的SegFormer模型相比,本研究模型的参数量基本相同,MIoU提高了2.50个百分点。本研究模型通过采用自适应采样训练方法确保在每个类别上都能取得出色的分割效果。利用多光谱航空图像训练农田生长异常区域实时分割模型,有助于实现无人机对农田生长进行实时监测、预警,推动智慧农业发展进程,为自动监测农田生长情况提供了新的方法和思路。

关键词：多光谱农田生长异常区域航空图像 unet DeepLabV3+ SegFormer

基于改进unet的结直肠癌腺体细胞分割算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

电子设计工程 2024年

作者：张兴志彭柯鑫彭子洋刘承道成都理工大学计算机与网络安全学院

医学图像的分割在计算机辅助诊断中起着至关重要的作用。unet是图像分割的主要方法，但采用unet网络的编码器存在对结直肠癌腺体细胞特征组织提取不充分、语义融合不全面的问题，使得unet网络的分割效果不够理想。针对此问题，提出了RCG... 详细信息

医学图像的分割在计算机辅助诊断中起着至关重要的作用。unet是图像分割的主要方法，但采用unet网络的编码器存在对结直肠癌腺体细胞特征组织提取不充分、语义融合不全面的问题，使得unet网络的分割效果不够理想。针对此问题，提出了RCG-unet算法，该算法通过残差结构、Ghost卷积和通道注意力机制改进unet编码器，并且将ReLU激活函数替换为Mish激活函数，使得图像的特征信息能够更好地提取融合，提高结直肠癌腺体细胞分割精度。使用该网络在GlaS和CRAG数据集上进行了验证，可知相对于传统的unet网络相似系数（Dice）分别提升了1.4%和1.5%，平均交并比（mIoU）提升了1.2%和1.5%。

关键词：医学图像分割 unet 特征融合结直肠癌