检索结果-维普期刊中文期刊服务平台

基于深度学习的月平均2 m气温订正方法: 1; 作者方巍王冰轮《热带气象学报》 CSCD 北大核心 2024年第6期906-917,共12页; 作为减少短期气候预测误差的技术,数据订正成为了重要的研究方向。而深度学习作为一种新兴方法已经应用到数据订正技术中,其中常用的模型是U-Net,但它存在不可避免的缺陷。第一,U-Net基于卷积神经网络,但是受限于卷积神经网络的小感受野... 展开更多; 关键词短期气候预测数据订正 Vision Transformer 全尺度连接 UNet-Former 3+; 在线阅读下载PDF 职称材料

基于UNet3+生成对抗网络的视频异常检测被引量：2: 2; 作者陈景霞林文涛 +1 位作者龙旻翔张鹏伟《计算机工程与设计》北大核心 2024年第3期777-784,共8页; 为解决传统视频异常检测方法在不同场景下多尺度特征提取不完全的问题,提出两种方法:一种是用于简单场景的基于UNet3+的生成对抗网络方法(简称U3P^(2)),另一种是用于复杂场景的基于UNet++的生成对抗网络方法(简称UP^(3))。两种方法分别... 展开更多; 关键词生成对抗网络视频异常检测 U型卷积网络全尺度跳跃连接密集跳跃连接光流模型多尺度特征提取; 在线阅读下载PDF 职称材料

基于三维卷积神经网络的遥感影像变化检测被引量：2: 3; 作者吴国盼王蒙蒙 +1 位作者李辛莹高宇翔《遥感信息》 CSCD 北大核心 2024年第4期61-67,共7页; 随着卫星传感器技术和深度学习技术的蓬勃发展,基于深度学习的变化检测研究已成为遥感变化检测领域中的主流方法。针对现有深度学习方法特征提取和融合不充分的问题,提出了一种基于三维卷积神经网络的遥感影像变化检测方法。在特征编码... 展开更多; 关键词变化检测三维卷积时间维度特征融合全尺度连接; 在线阅读下载PDF 职称材料

基于循环残差卷积神经网络的医学图像分割算法被引量：11: 4; 作者金燕薛智中姜智伟《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第8期1205-1215,共11页; 针对使用深度学习进行医学图像分割时出现的网络退化问题,通过融合更大尺度的特征映射实现更加精确的图像分割,提出一种基于循环残差卷积神经网络的图像分割算法.首先引入循环卷积模块实现离散步长上的特征提取,提高图像上下文语义信息... 展开更多; 关键词医学图像分割残差学习循环卷积 U-Net 全尺度跳跃连接; 在线阅读下载PDF 职称材料

改进的遥感图像语义分割算法被引量：2: 5; 作者厍向阳马亦骏《计算机工程与科学》 CSCD 北大核心 2023年第3期504-511,共8页; 针对遥感图像中多个目标聚集导致边缘混淆,小尺度物体分割不明显,以及语义分割过程中全局信息获取不足的问题,提出了一种基于混合注意力与全尺度跳层连接网络的遥感图像语义分割算法DU-net。该算法以U-net3+为基础网络,采用全尺度跳层... 展开更多; 关键词注意力机制全尺度跳层连接遥感图像语义分割; 在线阅读下载PDF 职称材料

基于U-Net3+的高分遥感影像建筑物提取被引量：7: 6; 作者窦世卿郑贺刚 +3 位作者徐勇陈治宇苗林林宋莹莹《测绘通报》 CSCD 北大核心 2022年第6期40-44,共5页; 针对传统的高分影像建筑物提取方法存在分割精度低和分割边界模糊等问题,本文提出了一种基于U-Net3+模型的建筑地物语义分割方法。该模型以U-Net网络结构为基础,首先使用全尺度的跳跃连接将不同尺度的特征图相融合;然后通过深度监督从... 展开更多; 关键词地物信息提取 U-Net3+模型全尺度跳跃连接深度监督精度; 在线阅读下载PDF 职称材料

基于改进U-Net网络对输电塔陶瓷绝缘子表面缺陷的识别算法被引量：9: 7; 作者陈潇徐曙 +2 位作者张成巍许海源闵建亮《陶瓷学报》 CAS 北大核心 2022年第3期469-477,共9页; 针对传统巡检方法对输电塔陶瓷绝缘子表面缺陷识别存在效率低、精度差、漏检率高的问题,采用基于改进U-net网络的无人机智能巡检方法,对输电塔中的陶瓷绝缘子表面缺陷进行检测与识别。运用空洞卷积矩阵对U-net网络中的卷积层进行膨胀系... 展开更多; 关键词陶瓷绝缘子表面缺陷改进U-net网络空洞卷积矩阵全尺度跳跃连接模型; 在线阅读下载PDF 职称材料

题名基于深度学习的月平均2 m气温订正方法: 1; 作者方巍王冰轮; 机构南京信息工程大学计算机学院/数字取证教育部工程研究中心中国气象局流域强降水重点开放实验室/暴雨监测预警湖北省重点实验室/中国气象局武汉暴雨研究所南京气象科技创新研究院/中国气象局交通气象重点开放实验室南京信息工程大学江苏省大气环境与装备技术协同创新中心; 出处《热带气象学报》 CSCD 北大核心 2024年第6期906-917,共12页; 基金国家自然科学基金项目(42075007、42475149) 灾害天气国家重点实验室开放项目(2021LASWB19) +2 种基金中国气象局流域强降水重点开放实验室开放研究基金(No.2023BHR-Y14)共同资助。; 文摘作为减少短期气候预测误差的技术,数据订正成为了重要的研究方向。而深度学习作为一种新兴方法已经应用到数据订正技术中,其中常用的模型是U-Net,但它存在不可避免的缺陷。第一,U-Net基于卷积神经网络,但是受限于卷积神经网络的小感受野,这导致U-Net不能从全局的角度学习空间特征;第二,U-Net的下采样操作容易丢失图像细节信息。这两点都影响了该模型的订正性能。因此采取以下两个措施进行改进,一是将原模型与能够学习图片全局特征的Vision Transformer有机结合起来,使其能够从全局的角度学习空间特征;二是引入UNet 3+模型中的全尺度连接操作,弥补原下采样中丢失的图像细节信息。改进之后的模型称为UNet-Former 3+,在CMIP6中月平均2 m气温的春季和冬季数据集上进行订正实验,ERA5为实验标签。模型会与分位数映射、岭回归、U-Net、CU-Net、Dense-CUnet和RA-UNet这六种订正方法进行对比。实验结果表明,此模型在两个季节的平均绝对误差都下降49%,均方根误差都下降57%,两者都低于上述六种方法。总之,UNet-Former 3+在春季和冬季的订正效果优于上述六种方法。; 关键词短期气候预测数据订正 Vision Transformer 全尺度连接 UNet-Former 3+; Keywords short-term climate prediction bias correction Vision Transformer full-scale connection UNet-Former 3+; 分类号 P456.5 [天文地球—大气科学及气象学]; 在线阅读下载PDF 职称材料

题名基于UNet3+生成对抗网络的视频异常检测被引量：2: 2; 作者陈景霞林文涛龙旻翔张鹏伟; 机构陕西科技大学电子信息与人工智能学院; 出处《计算机工程与设计》北大核心 2024年第3期777-784,共8页; 基金国家自然科学基金项目(61806118) 陕西科技大学科研启动基金项目(2020BJ-30)。; 文摘为解决传统视频异常检测方法在不同场景下多尺度特征提取不完全的问题,提出两种方法:一种是用于简单场景的基于UNet3+的生成对抗网络方法(简称U3P^(2)),另一种是用于复杂场景的基于UNet++的生成对抗网络方法(简称UP^(3))。两种方法分别对连续输入的视频帧生成预测,引入多种损失函数和光流模型学习其外观与运动信息,通过计算AUC进行性能评估。U3P^(2)方法以6.3 M参数量在Ped2数据集的AUC提升约0.6%,而UP^(3)方法在Avenue数据集的AUC提升约0.8%,验证其能够有效应对不同场景下的异常检测任务。; 关键词生成对抗网络视频异常检测 U型卷积网络全尺度跳跃连接密集跳跃连接光流模型多尺度特征提取; Keywords generative adversarial networks video anomaly detection U-Net full-scale skip connection dense skip connection optical flow models multi-scale feature extraction; 分类号 TP394.1 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于三维卷积神经网络的遥感影像变化检测被引量：2: 3; 作者吴国盼王蒙蒙李辛莹高宇翔; 机构中铁工程设计咨询集团有限公司西南交通大学地球科学与工程学院西南交通大学土木工程学院湖北航天技术研究院总体设计所; 出处《遥感信息》 CSCD 北大核心 2024年第4期61-67,共7页; 基金国家自然科学基金(41971281)。; 文摘随着卫星传感器技术和深度学习技术的蓬勃发展,基于深度学习的变化检测研究已成为遥感变化检测领域中的主流方法。针对现有深度学习方法特征提取和融合不充分的问题,提出了一种基于三维卷积神经网络的遥感影像变化检测方法。在特征编码阶段,首先利用三维卷积的内部融合特性同时提取和融合双时相影像特征。在特征解码阶段,为有效利用影像特征的全尺度信息,采用全尺度跳跃连接机制将不同尺度的特征信息在时间维度进行结合,最终产生具有高精度的变化结果。实验结果表明,该方法在两个基准数据集上的精度均显著优于其他先进的深度学习变化检测方法。; 关键词变化检测三维卷积时间维度特征融合全尺度连接; Keywords change detection 3D convolutional neural network time dimension feature fusion full-scale connection; 分类号 P237 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于循环残差卷积神经网络的医学图像分割算法被引量：11: 4; 作者金燕薛智中姜智伟; 机构浙江工业大学信息工程学院; 出处《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2022年第8期1205-1215,共11页; 基金浙江省自然科学基金(LY17F010015)。; 文摘针对使用深度学习进行医学图像分割时出现的网络退化问题,通过融合更大尺度的特征映射实现更加精确的图像分割,提出一种基于循环残差卷积神经网络的图像分割算法.首先引入循环卷积模块实现离散步长上的特征提取,提高图像上下文语义信息的利用率,实现更多、更广泛的特征映射提取;然后结合残差学习单元与循环卷积单元形成循环残差卷积模块,替换普通卷积神经网络的前馈卷积单元以解决深层网络模型面临的网络退化问题;最后引入全尺度跳跃连接将不同尺度下的特征图融合,生成分割图像.在PyTorch环境下用3个数据集与其他4种算法进行比较的实验结果表明,所提算法的分割性能更好,图像分割的精确度更高.; 关键词医学图像分割残差学习循环卷积 U-Net 全尺度跳跃连接; Keywords medical image segmentation residual learning recurrent convolution U-Net full scale skip connection; 分类号 TP391.41 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名改进的遥感图像语义分割算法被引量：2: 5; 作者厍向阳马亦骏; 机构西安科技大学计算机科学与技术学院; 出处《计算机工程与科学》 CSCD 北大核心 2023年第3期504-511,共8页; 基金陕西省自然科学基础研究(2019JLM-11) 陕西省自然科学基金(2017JM6105) +1 种基金榆林市科技局项目(2016-24-4)。; 文摘针对遥感图像中多个目标聚集导致边缘混淆,小尺度物体分割不明显,以及语义分割过程中全局信息获取不足的问题,提出了一种基于混合注意力与全尺度跳层连接网络的遥感图像语义分割算法DU-net。该算法以U-net3+为基础网络,采用全尺度跳层连接网络作为特征提取网络,摒弃了原算法中的深度监督,建立特征与注意力机制之间的关联,最终实现语义分割的过程。实验结果表明,DU-net算法在不同指标下较经典算法都有明显提升,同时提高了图像边缘分割质量,改善了算法对小尺度目标的分割准确度。; 关键词注意力机制全尺度跳层连接遥感图像语义分割; Keywords attention mechanism full-scale skip connection remote sensing image semantic segmentation; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于U-Net3+的高分遥感影像建筑物提取被引量：7: 6; 作者窦世卿郑贺刚徐勇陈治宇苗林林宋莹莹; 机构桂林理工大学测绘地理信息学院; 出处《测绘通报》 CSCD 北大核心 2022年第6期40-44,共5页; 基金广西八桂学者专项,国家自然科学基金(42061059) 广西自然科学基金(2020GXNSFBA297160) +1 种基金广西空间信息与测绘重点实验室资助(191851016)。; 文摘针对传统的高分影像建筑物提取方法存在分割精度低和分割边界模糊等问题,本文提出了一种基于U-Net3+模型的建筑地物语义分割方法。该模型以U-Net网络结构为基础,首先使用全尺度的跳跃连接将不同尺度的特征图相融合;然后通过深度监督从多尺度聚合的特征图中学习特征表达,并使用交叉熵损失函数进行训练;最后根据数据集特征,调试出不同的模型参数并以此模型进行测试,以达最佳的分割效果。试验结果表明,与U-Net和U-Net++模型相比,基于该方法的影像分割精度及地物边缘分割完整度均得到了显著提升,且当设置历元为15时,精度最高。使用该方法对高分辨率遥感影像中建筑物进行的分割试验,精度达96.62%,平均交并比(mIoU)达0.9027,并减少了错分、漏分,同时也减少了模型参数,模型损失收敛速率快且缩短了训练周期,显著提升了建筑物提取精度。; 关键词地物信息提取 U-Net3+模型全尺度跳跃连接深度监督精度; Keywords feature information extraction U-Net3+model full-scale jump connectivity deep supervision accuracy; 分类号 P237 [天文地球—摄影测量与遥感]; 在线阅读下载PDF 职称材料

题名基于改进U-Net网络对输电塔陶瓷绝缘子表面缺陷的识别算法被引量：9: 7; 作者陈潇徐曙张成巍许海源闵建亮; 机构中国南方电网深圳供电局有限公司中山大学智能工程学院智能交通系统重点实验室; 出处《陶瓷学报》 CAS 北大核心 2022年第3期469-477,共9页; 基金中国南方电网科技攻坚项目(SZKJXM20190334) 江西省科技厅重点研发项目(20151BBE50041)。; 文摘针对传统巡检方法对输电塔陶瓷绝缘子表面缺陷识别存在效率低、精度差、漏检率高的问题,采用基于改进U-net网络的无人机智能巡检方法,对输电塔中的陶瓷绝缘子表面缺陷进行检测与识别。运用空洞卷积矩阵对U-net网络中的卷积层进行膨胀系数优化,增大卷积核感受野提升缺陷细节信息的完整性;采用全尺度跳跃连接模型融合高位特征信息与低维特征信息,提高陶瓷绝缘子表面缺陷特征的准确性。实验结果表明:基于改进U-net网络的无人机智能巡检方法对陶瓷绝缘子的表面缺陷检测,其识别准确率(Accuarcy)为97.6%、平均精度(mPA)为95.28%、平均交并比(mIOU)为91.56%。与U-net相比,此方法对陶瓷绝缘子表面缺陷的巡检精度提高了7.8%。; 关键词陶瓷绝缘子表面缺陷改进U-net网络空洞卷积矩阵全尺度跳跃连接模型; Keywords ceramic insulator surface defect improved U-net network empty convolution matrix full-scale skip connection model; 分类号 TQ174.75 [化学工程—陶瓷工业]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	基于深度学习的月平均2 m气温订正方法	方巍王冰轮	《热带气象学报》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
2	基于UNet3+生成对抗网络的视频异常检测	陈景霞林文涛龙旻翔张鹏伟	《计算机工程与设计》北大核心	2024	2	在线阅读下载PDF 职称材料
3	基于三维卷积神经网络的遥感影像变化检测	吴国盼王蒙蒙李辛莹高宇翔	《遥感信息》 CSCD 北大核心	2024	2	在线阅读下载PDF 职称材料
4	基于循环残差卷积神经网络的医学图像分割算法	金燕薛智中姜智伟	《计算机辅助设计与图形学学报》 EI CSCD 北大核心	2022	11	在线阅读下载PDF 职称材料
5	改进的遥感图像语义分割算法	厍向阳马亦骏	《计算机工程与科学》 CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
6	基于U-Net3+的高分遥感影像建筑物提取	窦世卿郑贺刚徐勇陈治宇苗林林宋莹莹	《测绘通报》 CSCD 北大核心	2022	7	在线阅读下载PDF 职称材料
7	基于改进U-Net网络对输电塔陶瓷绝缘子表面缺陷的识别算法	陈潇徐曙张成巍许海源闵建亮	《陶瓷学报》 CAS 北大核心	2022	9	在线阅读下载PDF 职称材料