检索结果-南通市图书馆

基于改进unet的混凝土CT孔隙裂隙分割方法

在线全文

学校读者我要写书评

暂无评论

中国矿业大学学报 2023年第3期52卷 615-624页

作者：贺军义冯嘉莘焦华喆李远航吴梦翔韩一杰河南理工大学计算机科学与技术学院河南焦作454000 河南理工大学土木工程学院河南焦作454000

为了解决计算机断层扫描(Computed Tomography,CT)混凝土图像中裂隙和孔隙像素值一致,导致阈值分割效果差的问题,提出一种基于unet模型的改进模型,对混凝土CT图像进行裂隙和孔隙分割.首先,通过CT技术扫描混凝土试块获取CT图像后,人工标... 详细信息

为了解决计算机断层扫描(Computed Tomography,CT)混凝土图像中裂隙和孔隙像素值一致,导致阈值分割效果差的问题,提出一种基于unet模型的改进模型,对混凝土CT图像进行裂隙和孔隙分割.首先,通过CT技术扫描混凝土试块获取CT图像后,人工标注出CT图像中的裂隙与孔隙,并利用数据增强扩充训练集;然后,采用非对称卷积模块和残差模块对unet模型中编码器和解码器进行改进,在特征提取部分采用非对称卷积模块降低模型的运算量后,使用残差模块减少参数量,降低了训练过拟合,有效提升了CT图像中裂隙与孔隙的分割精度.试验结果表明:改进模型在制作的混凝土CT图像数据集上召回率达83%,分割精度为85%,Dice值为85%,对比unet和其他现有的深度学习模型都有较高提升,为混凝土细观破坏机理研究提出新的思路.

关键词：混凝土CT 裂隙孔隙分割 unet 非对称卷积残差模块

基于改进unet的输电通道沿线易漂浮物遥感识别

在线全文

学校读者我要写书评

暂无评论

高电压技术 2023年第8期49卷 3395-3404页

作者：杨知江子航张思航牛博文窦晓军冯权泷中国电力科学研究院有限公司北京100195 中国农业大学土地科学与技术学院北京100193 国家电网有限公司北京100031

输电通道沿线的易漂浮物(塑料大棚、地膜和防尘绿网)是输电线路主要外破隐患之一,开展对易漂浮物的遥感识别对外破隐患治理具有重要意义。现有的相关遥感识别研究大多仅针对易漂浮物中的一种,且较少在输电通道沿线区域开展。该文提出了... 详细信息

输电通道沿线的易漂浮物(塑料大棚、地膜和防尘绿网)是输电线路主要外破隐患之一,开展对易漂浮物的遥感识别对外破隐患治理具有重要意义。现有的相关遥感识别研究大多仅针对易漂浮物中的一种,且较少在输电通道沿线区域开展。该文提出了一个基于改进unet的语义分割模型,包含空洞空间卷积池化金字塔模块(Atrous spatial pyramid pooling,ASPP)、非局部特征提取模块(Non-local)和亚像素卷积(Sub-pixel convolution)策略。选取江苏省内4条输电通道沿线区域作为研究区,实验总体精度为94.86%,平均交并比为0.6805,优于传统语义分割模型,消融实验证明了以上3个模块的有效性。研究表明,基于高分辨率卫星遥感影像,利用该文模型在输电通道沿线区域开展易漂浮物识别是可行且有效的,可为外破隐患综合治理提供决策依据。

关键词：输电通道易漂浮物外破遥感影像语义分割 unet

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

MPSPNet和unet网络下山东省高分辨耕地遥感提取

在线全文

学校读者我要写书评

暂无评论

遥感学报 2023年第2期27卷 471-491页

作者：李倩楠张杜娟潘耀忠代佳佳遥感科学国家重点实验室北京师范大学地理科学学部北京100875 青海师范大学地理科学学院西宁810016 北京师范大学地理科学学部遥感科学与工程研究院北京100875

高分辨率遥感影像中耕地特征复杂,人工目视解译和传统的遥感影像分类方法提取能力有限,无法实现大范围的自动化高精度耕地提取。深度学习技术因具有较强的地物表达能力,在遥感影像信息自动提取方面表现出了优越的性能,为大范围耕地的精... 详细信息

高分辨率遥感影像中耕地特征复杂,人工目视解译和传统的遥感影像分类方法提取能力有限,无法实现大范围的自动化高精度耕地提取。深度学习技术因具有较强的地物表达能力,在遥感影像信息自动提取方面表现出了优越的性能,为大范围耕地的精细化自动提取提供了新的思路。探究不同典型网络模型在不同景观特征耕地提取上的适用情况对耕地提取质量和效率的提升具有重要意义。基于此,本研究以高分一号及高分二号融合的2 m分辨率数据为数据源,采用改进的金字塔场景解析网络MPSPNet(Modified Pyramid Scene Parsing Network)和unet网络模型,应用于山东省的耕地精细自动化提取,并与传统面向对象的方法对比,探究两种深度卷积神经网络模型在大尺度耕地自动提取中的适用性。研究获得以下结论:(1) MPSPNet模型和unet模型在区/县尺度的耕地提取上性能优于传统的面向对象的分类方法,在全省尺度的耕地提取上总体精度优于90%且无明显差异。(2)耕地景观特征是影响两模型耕地提取效果的重要因素,模型的选择对耕地提取效果无明显影响。在耕地景观指数较低的地块规则平整的区域,模型提取效果较好,在耕地景观指数较高的地块破碎丘陵区域以及与耕地特征相近的地块区域,模型提取效果较差,并且unet模型在这些区域误分耕地的概率更大。(3)两模型在不同区域、不同时相的影像中能得到较好的耕地提取效果,具有较强的泛化能力和时空迁移能力。

关键词：耕地遥感卷积神经网络 MPSPNet unet

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

在线全文

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

在线全文

学校读者我要写书评

暂无评论

边界加权的甲状腺癌病理图像细胞核分割方法

西安电子科技大学学报 2023年第5期50卷 75-86页

作者：韩冰高路高新波陈玮铭西安电子科技大学电子工程学院陕西西安710071 重庆邮电大学计算机科学与技术学院图像认知重庆市重点实验室重庆400065

甲状腺癌是实体癌中发病率增速最快的恶性肿瘤之一,病理学诊断是医生诊断肿瘤的黄金标准,而细胞核分割是病理图像自动分析的关键步骤。针对细胞核分割中细胞核边界位置难以分割问题,设计了边界加权模块使网络在训练时更多关注细胞核边... 详细信息

甲状腺癌是实体癌中发病率增速最快的恶性肿瘤之一,病理学诊断是医生诊断肿瘤的黄金标准,而细胞核分割是病理图像自动分析的关键步骤。针对细胞核分割中细胞核边界位置难以分割问题,设计了边界加权模块使网络在训练时更多关注细胞核边界。另一方面,为了避免网络过分关注边界而忽视细胞核主体部分,导致一些染色较浅的细胞核分割失败,提出了前景增强分割网络;该网络通过在上采样的过程中添加前景增强模块不断增强前景并抑制背景,从而实现细胞核精准分割。在自建的甲状腺癌病理图像分割数据集VIP-TCHis-Seg上的相似系数(Dice)和像素准确率(PA)两个指标分别约为85.26%和95.89%,在公共细胞核分割数据集MoNuSeg上的相似系数(Dice)和像素准确率(PA)两个指标分别约为81.03%和94.63%。上述实验结果表明,提出的边界加权和前景增强模块的方法能有效提高网络在边界处的分割准确率。

关键词：甲状腺乳头状癌图像分割 unet 边界加权前景增强

在线全文

学校读者我要写书评

暂无评论

基于深度学习的结冰区域和厚度检测方法

航空学报 2023年第S2期44卷 205-213页

作者：苏鑫管润程王桥苑伟政吕湘连何洋西北工业大学空天微纳系统教育部重点实验室西安710072 西北工业大学陕西省微/纳米系统重点实验室西安710072 中国空气动力研究与发展中心结冰与防除冰重点实验室绵阳621000

飞机结冰问题是飞机安全飞行的最大威胁之一,在世界军、民飞机事故中占一半以上,因此对飞机飞行时期结冰状态进行检测尤为重要。目前传统的结冰传感器只能定点检测结冰信息,无法反馈整体区域的结冰状态。提出一种大面积结冰检测方法,利... 详细信息

飞机结冰问题是飞机安全飞行的最大威胁之一,在世界军、民飞机事故中占一半以上,因此对飞机飞行时期结冰状态进行检测尤为重要。目前传统的结冰传感器只能定点检测结冰信息,无法反馈整体区域的结冰状态。提出一种大面积结冰检测方法,利用深度学习算法,建立翼型实时结冰检测模型,以相机采集到的机身图像作为输入,实时检测并分割出翼型结冰区域,计算得到翼型前缘结冰厚度。在自建的结冰数据集中进行验证试验,结果表明:该算法的平均准确率可达99.32%,平均交并比可达93.20%,并且在1.5 m的距离下理论空间分辨率约为0.4 mm,实际测量误差在1 mm以内,实时性检测帧率为4 frame/s。试验证明该方法具有较好的检测效果,有望为飞机结冰检测和地面冰风洞试验奠定研究基础。

关键词：深度学习语义分割结冰检测厚度检测 unet

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