检索结果-南通市图书馆

基于unet+GRU深度学习方法提高叠后地震资料分辨率

在线全文

学校读者我要写书评

暂无评论

Applied Geophysics 2023年第2期20卷 176-185,241页

作者：郭爱华路鹏飞王丹丹吴吉忠陈晓彭怀宇蒋书豪东华理工大学信息工程学院江西南昌330013 华北油田第一采油厂地质研究所河北任丘062550 东北石油大学河北秦皇岛066000 东华理工大学地球物理与测控技术学院江西南昌330013

现有的地震资料提频方法大部分都有各自的局限性,根据已有方法的优缺点,本文尝试将深度学习技术应用到提高地震资料分辨率中。首先,在unet深度学习方法的基础上,井震结合,以测井声波时差和密度曲线建立合成地震记录,以井上合成地震记录... 详细信息

现有的地震资料提频方法大部分都有各自的局限性,根据已有方法的优缺点,本文尝试将深度学习技术应用到提高地震资料分辨率中。首先,在unet深度学习方法的基础上,井震结合,以测井声波时差和密度曲线建立合成地震记录,以井上合成地震记录为标签,以井旁地震道数据为输入数据,建立井旁地震道数据与井上合成地震记录的训练模型,用来提高地震资料的中高频信息;其次,利用GRU实现原始地震记录中低频趋势的保留,将unet和GRU结果组合在一起,实现既提高了中高频信息又保护了地震数据中的低频信息;然后开展模型训练,将模型应用到三维地震数据体上开展计算,提高地震资料分辨率。相对以往方法,提取出的信息更加丰富。通过理论模型和实际数据应用,表明本文方法在提高叠后地震资料分辨率方面有效。

关键词：叠后地震数据测井数据提高分辨率深度学习 unet GRU

基于PSPNet改进unet的轻量级视网膜血管分割算法

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

传感技术学报 2022年第7期35卷 888-896页

作者：蒋晨皓马玉良祝真滨杭州电子科技大学自动化学院浙江杭州310018

针对现有的视网膜血管分割算法存在模型训练时间长、难以兼顾血管分割的准确率和灵敏度等问题,提出一种基于PSPNet改进unet的轻量级视网膜血管分割算法(PDA-unet)。在数据预处理方面,该算法先提取图像的绿色通道并使用自适应直方图均衡... 详细信息

针对现有的视网膜血管分割算法存在模型训练时间长、难以兼顾血管分割的准确率和灵敏度等问题,提出一种基于PSPNet改进unet的轻量级视网膜血管分割算法(PDA-unet)。在数据预处理方面,该算法先提取图像的绿色通道并使用自适应直方图均衡化方法改善光照不均问题;再使用随机角度旋转、色彩抖动、添加DropBlock型噪声、随机翻转等方法对原始数据集进行数据扩增。在模型构建方面,该算法在传统unet的原始卷积层之间添加DenseNet密集连接;然后用DropBlock模块来替代Dropout模块;其次通过金字塔解析池化结构结合上下文的语义信息;最后用融合空间注意力机制的跳跃连接替代unet的传统连接方式。该算法在使用GTX1050(4GB显存)、保证训练时间在3 h以内的前提下,在DRIVE和STARE两个公开数据集上的准确率、灵敏度、特异性、F1-score分别为0.9590、0.8324、0.9771、0.8328和0.9691、0.8510、0.9824、0.8432。所提算法相较于当前的算法,兼顾了模型训练效率以及图像分割的准确性和灵敏度,具有一定的进步性和创新性。

关键词：视网膜血管分割 unet DropBlock 金字塔解析池化

改进型unet网络在脑CT图像出血区域识别与分割中的应用

在线全文

学校读者我要写书评

暂无评论

四川大学学报（医学版） 2022年第1期53卷 114-120页

作者：周正松陈旭淼张皞宇万红丽赵杰祎张韬王晓宇成都锦城学院成都611731 四川大学华西公共卫生学院/四川大学华西第四医院成都610064 四川大学华西医院神经外科成都610041

目的探讨改进型unet网络技术对脑CT图像出血区域识别与分割的性能及其应用价值。方法回顾性纳入476份自发性脑出血(spontaneous intracerebral hemorrhage,SICH)患者的脑CT图像,采用基于改进型unet网络对患者脑CT图像出血区域进行识别... 详细信息

目的探讨改进型unet网络技术对脑CT图像出血区域识别与分割的性能及其应用价值。方法回顾性纳入476份自发性脑出血(spontaneous intracerebral hemorrhage,SICH)患者的脑CT图像,采用基于改进型unet网络对患者脑CT图像出血区域进行识别和分割,由临床医生手动标注出血区域的影像数据,通过随机排序后,选取来自106例患者的430份数据进入训练集,11例患者的46份数据进入测试集,实验数据集通过数据增强后,经过网络训练和模型测试,以检验分割性能,并将分割结果与unet网络(Base)、FCN-8s和unet++网络进行对比。结果改进型unet网络对脑CT图像出血区域的分割中,相似性系数(Dice)、正向预测系数(PPV)、灵敏度系数(SC)三项评价指标分别达到0.8738、0.9011和0.8648,相较于FCN-8s网络分别提升8.80%、7.14%和8.96%,相较于unet网络(Base)分别提升4.56%、4.44%和4.15%,同时优于unet++网络的分割性能。结论本文提出的基于unet网络的改进方法对脑CT出血区域的识别和分割具有良好的性能,是一种脑CT出血区域识别和分割的适用方法,对于辅助临床决策和预防早期血肿扩张具有潜在应用价值。

关键词：自发性脑出血出血区域 CT图像 unet

融合改进unet和迁移学习的棉花根系图像分割方法

在线全文

学校读者我要写书评

暂无评论

融合Swin Transformer与unet的云检测架构

智慧农业（中英文） 2023年第3期5卷 96-109页

作者：唐辉王铭于秋实张佳茜刘连涛王楠河北农业大学机电工程学院河北保定 071001中国河北省教育考试院河北石家庄 050091中国河北农业大学农学院河北保定 071001中国

[目的/意义]根系是植物组成的重要部分,其生长发育至关重要.根系图像分割是根系表型分析的重要方法,受限于图像质量、复杂土壤环境、低效传统方法,根系图像分割存在一定挑战.[方法]为提高根系图像分割的准确性和鲁棒性,本研究以unet模... 详细信息

[目的/意义]根系是植物组成的重要部分,其生长发育至关重要.根系图像分割是根系表型分析的重要方法,受限于图像质量、复杂土壤环境、低效传统方法,根系图像分割存在一定挑战.[方法]为提高根系图像分割的准确性和鲁棒性,本研究以unet模型为基础,提出了一种多尺度特征提取根系分割算法,并结合数据增强和迁移学习进一步提高改进unet模型的泛化性和通用性.首先,获取棉花根系单一数据集和开源多作物混合数据集,基于单一数据集的消融试验测试多尺度特征提取模块(Conv_2+Add)的有效性,与unet、PSPNet、SegNet、DeeplabV3Plus算法对比验证其优势.基于混合数据集验证改进算法(unet+Conv_2+Add)在迁移学习的优势.[结果和讨论]unet+Conv_2+Add相比其他算法(unet、PSPNet、SegNet、DeeplabV3Plus),mIoU、mRecall和根系F1调和平均值分别为81.62%、86.90%和78.39%.unet+Conv_2+Add算法的迁移学习相比于普通训练在根系的交并比(Intersection over Union,IoU)值提升1.25%,根系的Recall值提升1.79%,F1调和平均值提升0.92%,且模型的整体收敛速度快.[结论]本研究采用的多尺度特征提取策略能准确、高效地分割根系,为作物根系表型研究提供重要的研究基础.

关键词：深度学习根系图像分割 unet 多尺度特征迁移学习

来源：博看期刊评论

在线全文

博看期刊

学校读者我要写书评

暂无评论

遥感信息 2023年第3期38卷 1-8页

作者：谢国波何宇钦林志毅唐晶晶文刚广东工业大学计算机学院广州510060 云南电网有限责任公司电力科学研究院昆明650217

目前在遥感图像云检测的领域中,对于薄云和碎云以及不同下垫面的云检测精度还有待进一步提高,且存在较多误判漏判和数据不均衡等问题。针对这些问题,提出了一个结合Transformer和卷积思想的云检测网络架构Cloud Transunet。首先,使用Tra... 详细信息

目前在遥感图像云检测的领域中,对于薄云和碎云以及不同下垫面的云检测精度还有待进一步提高,且存在较多误判漏判和数据不均衡等问题。针对这些问题,提出了一个结合Transformer和卷积思想的云检测网络架构Cloud Transunet。首先,使用Transformer模块替换掉unet编码器阶段的卷积模块,利用Transformer的全局注意力机制提取出更多的细节特征信息,减少误判和漏判的发生;同时,添加边缘检测模块,加强对边缘信息的提取,提高检测的精度;最后,使用中值频率平衡对损失函数进行改进以处理数据不平衡的问题。实验结果表明,Cloud Transunet对薄云和碎云的检测、不同下垫面的云检测都具有良好的表现,与卷积语义分割网络unet、SegNet、Resunet和Swin_unet相比,Cloud Transunet在检测速度略微提升的同时,其MIoU、总体精度、精确率等指标都得到了一定的提升。

关键词：云检测 unet Swin Transformer 损失函数边缘检测网络

在线全文

学校读者我要写书评

暂无评论

改进unet网络对叠后地震数据的断层识别

计算物理 2023年第6期40卷 742-751页

作者：刘贵鑫马中华天津职业技术师范大学天津300350

为了提高断层识别的准确率,提出改进unet模型。为编码器部分设计一种多分支的并联结构M-block(Multi-branch block),它可以捕获多尺度上下文信息,并且多分支的并联结构会带来高性能收益。在解码器部分加入Self-Attention块和注意力门控... 详细信息

为了提高断层识别的准确率,提出改进unet模型。为编码器部分设计一种多分支的并联结构M-block(Multi-branch block),它可以捕获多尺度上下文信息,并且多分支的并联结构会带来高性能收益。在解码器部分加入Self-Attention块和注意力门控机制。Self-Attention通过对输入特征上下文的加权平均操作,不仅使注意力模块能够灵活地关注图像的不同区域,而且弥补了CNN(Convolutional Neural Network)网络局部性的缺点,为神经网络带来更多的可能性。通过合成数据和实际数据证实,该模型将传统卷积中的权值共享优点和Self-Attention动态计算注意力权重的优点结合,提高了断层识别的精度,与unet相比,验证损失下降了33.68%。模型不仅准确识别出了断层特征,且比目前流行的深度学习方法更准确。

关键词：断层识别多分枝 Self-Attention unet 编码器

基于深度残差unet网络的电气设备红外图像分割方法

在线全文

学校读者我要写书评

暂无评论

红外技术 2022年第12期44卷 1351-1357页

作者：刘赫赵天成刘俊博矫立新许志浩袁小翠国网吉林省电力有限公司电力科学研究院吉林长春130021 南昌工程学院电气工程学院江西南昌330099

红外图像处理是实现电气故障诊断的有效手段,而电气设备分割是故障检测的关键环节。针对复杂背景下红外图像电气设备分割难问题,本文采用深度残差网络与unet网络相结合,深度残差网络替代VGG16对unet网络进行特征提取和编码,构建深度残... 详细信息

红外图像处理是实现电气故障诊断的有效手段,而电气设备分割是故障检测的关键环节。针对复杂背景下红外图像电气设备分割难问题,本文采用深度残差网络与unet网络相结合,深度残差网络替代VGG16对unet网络进行特征提取和编码,构建深度残差系列Res-unet网络实现对电气设备的分割。以电流互感器和断路器两种电气设备红外图像分割为例测试Res-unet网络分割效果,并与传统的unet网络和Deeplabv3+网络进行对比。通过对数量为876的样本进行测试,实验结果表明,Res18-unet能够准确地分割电气设备,对电流互感器和断路器的分割准确率超93%,平均交并比大于89%,且分割准确性优于unet及Deeplabv3+网络模型,为实现电气故障智能诊断奠定基础。

关键词：红外图像电气故障图像分割 unet

基于边缘强化的unet-TIC模型对前列腺自动勾画研究

在线全文

学校读者我要写书评

暂无评论

中国医学物理学杂志 2022年第6期39卷 719-725页

作者：陈洪涛郑芳高艳史亚滨邓小年钟鹤立深圳市人民医院(暨南大学第二临床医学院南方科技大学第一附属医院)肿瘤放疗科广东深圳518020

目的:通过图像边缘强化以及改进unet深度学习网络结构提高前列腺自动分割的准确性。方法:随机选取我院50例检查者前列腺核磁扫描图像,以及MICCAI Grand Challenge数据库50例前列腺图像,其中81例作为训练集,10例作为验证集,9例作为测试... 详细信息

目的:通过图像边缘强化以及改进unet深度学习网络结构提高前列腺自动分割的准确性。方法:随机选取我院50例检查者前列腺核磁扫描图像,以及MICCAI Grand Challenge数据库50例前列腺图像,其中81例作为训练集,10例作为验证集,9例作为测试集。通过旋转不变性相干增强扩散滤波方法(CED-ORI)对图像进行边缘强化,建立双输入收缩路径结构的unet-Two Input Channel(unet-TIC)并行提取原始和CED-ORI图像特征,共享一条扩张路径,并通过跳跃连接突出CED-ORI边缘强化的有效特征,获取更多信息增加上采样分辨率。采用Accuracy、Mean DSC、Median DSC、ASD、MSD、RVD 6个指标对unet、unet-c和unet-TIC 3种方法进行评估。结果:unet-c和unet-TIC评估指标表现均明显优于unet,其中表现最好的unet-TIC相较于unet,Accuracy提高1.87%,Mean DSC提高1.81%,Median DSC提高1.21%,ASD降低0.32 mm,MSD降低1.63 mm,RVD降低4.64%。直观勾画方面unet-TIC比unet更加精准,更能捕捉到复杂的前列腺形状的变换,尤其是辨别混淆性、类似性边界区域。结论:相较于unet,unet-TIC在影像器官分割与勾画方面具有更优的表现。

关键词： unet unet-TIC CED 边缘强化自动分割 Dice系数

基于自注意力连接unet的磁共振成像去吉布斯伪影算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2023年第5期43卷 1606-1611页

作者：刘阳陆志扬王骏施俊上海大学通信与信息工程学院上海200444

为去除磁共振成像(MRI)中的吉布斯伪影,提出一种基于自蒸馏训练的自注意力连接unet(SDSacunet)算法。为了缩小unet框架中跳连接两端编码和解码特征之间的语义差距,帮助捕捉伪影的位置信息,将unet编码端每个下采样层的输出特征分别输入... 详细信息

为去除磁共振成像(MRI)中的吉布斯伪影,提出一种基于自蒸馏训练的自注意力连接unet(SDSacunet)算法。为了缩小unet框架中跳连接两端编码和解码特征之间的语义差距,帮助捕捉伪影的位置信息,将unet编码端每个下采样层的输出特征分别输入各自的自注意力连接模块进行自注意力机制的运算,而后与解码特征进行融合,参与特征的重建;在网络解码端进行自蒸馏训练,通过建立深层与浅层特征之间的损失函数,使深层重建网络的特征信息可以用于指导浅层网络的训练,同时优化整个网络,提升图像重建水平。在公开的MRI数据集CC359上评估SD-Sacunet算法的性能,获得的峰值信噪比(PSNR)为30.26 dB,结构相似性(SSIM)为0.9179;与GRACNN(Gibbs-Ringing Artifact reduction using Convolutional Neural Network)、SwinIR(Image Restoration using Swin Transformer)相比,SD-Sacunet的PSNR分别提高了0.77 dB、0.14 dB,SSIM分别提高了0.0183、0.0033。实验结果表明,SD-Sacunet算法提升了MRI去除吉布斯伪影的图像重建性能,具备潜在的应用价值。

关键词：磁共振成像重建深度学习自蒸馏 Transformer unet 注意力机制