基于残差单元与注意力门的非对称编解码海杂波抑制网络

1

作者 陈胜垚 胡晨康 +2 位作者 程智勇 席峰 刘中 《电子学报》 EI CAS CSCD 北大核心 2024年第8期2628-2640,共13页

针对非均匀海杂波环境下弱小目标检测困难的问题,本文基于复值残差单元和注意力门机制,提出一种用于海杂波抑制的非对称编解码网络(Asymmetric Encoder-Decoder Network,AED-Net).该网络以雷达回波经匹配滤波后得到的复值信号为输入,利... 针对非均匀海杂波环境下弱小目标检测困难的问题,本文基于复值残差单元和注意力门机制,提出一种用于海杂波抑制的非对称编解码网络(Asymmetric Encoder-Decoder Network,AED-Net).该网络以雷达回波经匹配滤波后得到的复值信号为输入,利用复值残差单元取代常规卷积单元进行弱小目标和海杂波特征的提取,增强网络特征提取能力的同时避免特征信息退化.然后采用注意力门模块将编码路径各模块提取的特征信息分别送入到解码路径对应的模块.最终输出海杂波抑制后的复值信号.由于各注意力门的输入和输出维度可根据网络结构自主选择,该网络设计是一种非对称编解码结构.与典型对称编解码网络UNet相比,复值残差单元与注意力门的引入显著降低了特征信息的冗余度,增强特征信息的提取与传递,提升了海杂波抑制性能.与此同时,复值残差单元的参数规模远小于卷积单元,而注意力门的引入也有效减少解码路径单元的数量,整个网络的参数规模显著减小.基于海杂波实测数据的实验结果表明,与典型复值UNet(Complex Value-UNet,CV-UNet)网络相比,AED-Net的输出信杂比平均提升9 dB,有效工作的最低信杂比降低了3 dB,模型参数量和计算量分别减少57.8%、50%. 展开更多

关键词 海杂波抑制 编解码网络 残差结构 注意力门 复值信号

在线阅读 下载PDF 职称材料

基于残差双通道注意力U-Net的古代壁画病害检测

2

作者 赵辉荣 余映 +2 位作者 陈安 倪雪莹 王信超 《计算机辅助设计与图形学学报》 北大核心 2025年第6期1040-1052,共13页

针对现有的古代壁画病害检测方法难以准确地检测壁画病害区域的问题,提出一种基于残差双通道注意力U-Net的古代壁画病害检测模型.首先设计残差双通道模块代替U-Net中的编码器和解码器,构建具有多分辨率分析能力的网络检测复杂背景中不... 针对现有的古代壁画病害检测方法难以准确地检测壁画病害区域的问题,提出一种基于残差双通道注意力U-Net的古代壁画病害检测模型.首先设计残差双通道模块代替U-Net中的编码器和解码器,构建具有多分辨率分析能力的网络检测复杂背景中不同尺度的壁画病害区域;然后加入多尺度注意力门融合高层和低层的互补特征,使网络能突出壁画病害区域的显著特征;最后设计混合域注意力模块抑制壁画背景信息的干扰,进一步准确地定位壁画病害区域;此外,采用多阶段损失相加的方式提高网络模型的性能.实验结果表明,在敦煌莫高窟壁画数据集和云南少数民族壁画数据集上,所提模型的检测结果在视觉感受方面优于其他对比方法,在F-score指标上分别达到了0.807 7和0.728 9,均高于其他对比方法. 展开更多

关键词 古代壁画病害检测 U-Net 残差双通道 多尺度注意力门 混合域注意力

在线阅读 下载PDF 职称材料

基于全局特征引导和注意力的宫颈细胞核分割

3

作者 董展豪 陈燕 +2 位作者 侯宏花 张鹏程 桂志国 《电子测量技术》 北大核心 2024年第12期182-191,共10页

针对宫颈细胞中正常和异常细胞核大小形态各异、细胞图像中存在干扰物影响分割等问题,本文提出一种基于全局特征引导和注意力的分割网络来提高细胞核分割精度。首先以U型网络结构作为主体,引入全局特征引导模块,充分提取各个阶段的特征... 针对宫颈细胞中正常和异常细胞核大小形态各异、细胞图像中存在干扰物影响分割等问题,本文提出一种基于全局特征引导和注意力的分割网络来提高细胞核分割精度。首先以U型网络结构作为主体,引入全局特征引导模块,充分提取各个阶段的特征获得不同层次的全局上下文信息,克服了U型网络单阶段上下文信息提取能力不足的问题以更好地处理不同形状的细胞核,提高边缘分割精度;其次,引入改进的注意门结构抑制图像中干扰物的信息,突出细胞核的信息,提高模型对干扰信息的辨别能力。在Herlev数据集上的实验结果表明,本文的方法能够有效地提高细胞核分割精度,在定量分析中Dice系数为0.9413,相较于其他方法具有一定的优势。 展开更多

关键词 宫颈细胞核分割 全局特征引导 注意门 U型网络 巴氏涂片

在线阅读 下载PDF 职称材料

MRI序列以及注意力门、残差网络对U-Net脑肿瘤分割模型的影响 被引量：1

4

作者 张巨 朱文珍 +3 位作者 张顺 朱虹全 吴迪 刘栋 《放射学实践》 CSCD 北大核心 2023年第7期825-829,共5页

目的:探讨MRI序列选择以及注意力门、残差网络对U-Net脑肿瘤分割模型准确性的影响。方法:使用BraTS 2021的脑肿瘤病例1251例,排除经裁剪后缺乏肿瘤图像特征的病例,以7:2:1的比例分为训练组、验证组和测试组,使用7种不同序列组合(所使用... 目的:探讨MRI序列选择以及注意力门、残差网络对U-Net脑肿瘤分割模型准确性的影响。方法:使用BraTS 2021的脑肿瘤病例1251例,排除经裁剪后缺乏肿瘤图像特征的病例,以7:2:1的比例分为训练组、验证组和测试组,使用7种不同序列组合(所使用序列包括T_(1)WI、T_(2)WI、T_(2)FLAIR、T_(1)增强)训练U-Net模型,使用Friedman检验和成对比较(经Bonferroni校正法调整显著性值)对比测试集的Dice系数。使用4通道图像以相同方法对比基线U-Net、注意力U-Net、残差U-Net以及注意力残差U-Net对脑肿瘤分割的准确性。结果:在分割肿瘤强化区域、核心区域时,无T_(1)增强序列的3通道组的Dice系数显著低于其他组;在分割全肿瘤时,无T_(2)及T_(2)FLAIR的2通道组的Dice系数显著低于其他组,无T_(2)FLAIR的3通道组显著低于剩余其他组,4通道组及无T_(1)的3通道组显著高于其他组,余组间差异无统计学意义。4种U-Net模型仅在分割全肿瘤时存在显著差异,在进一步的成对比较中差异无统计学意义。结论:MRI序列对U-Net分割表现的影响可能与标注方式、该序列所包含的特征信息等有关。本研究中:单独剔除T_(1)序列对U-Net模型无显著影响;与注意力门相比,残差网络可能一定程度提高了U-Net模型的分割准确度。 展开更多

关键词 图像分割 注意力门 残差网络 脑肿瘤

在线阅读 下载PDF 职称材料

改进UNet++的瓷器文物显微气泡分割 被引量：1

5

作者 刘阳洋 耿国华 +2 位作者 刘鑫达 李展 路正涵 《西北大学学报(自然科学版)》 北大核心 2025年第1期129-138,共10页

对瓷器文物显微气泡的分割,可以更加清晰地观察瓷器表面微观气泡的形态、数量以及分布规律,进而辅助文物专家进行瓷器碎片分类和文物鉴定等工作。但瓷器显微图像中气泡复杂多变,大小及分布不均匀,现有图像分割方法难以适应瓷器显微气泡... 对瓷器文物显微气泡的分割,可以更加清晰地观察瓷器表面微观气泡的形态、数量以及分布规律,进而辅助文物专家进行瓷器碎片分类和文物鉴定等工作。但瓷器显微图像中气泡复杂多变,大小及分布不均匀,现有图像分割方法难以适应瓷器显微气泡特征。因此,该文提出一种基于卷积激活单元的网络AGUNet++,该网络重新设计密集跳跃连接,节点间采用Z字形连接方式,充分提取图像语义特征,防止信息丢失;同时,在卷积单元的密集跳跃连接处,结合注意力门控模块Attention Gate提出卷积激活单元CAU,增强与瓷器文物显微气泡分割任务相关的气泡区域学习,抑制不相关的区域;在训练过程中对每一层子网络的输出采用深度监督和交叉熵损失,有效增强瓷器文物显微气泡特征提取能力,细化分割结果。该方法在SD-saliency-900以及PRMI数据集上的实验结果表明,与经典图像分割网络相比,AGUNet++在MIoU、Precision、Recall和F1分数中均有一定的提升,表现出更好的分割效果。 展开更多

关键词 瓷器文物显微图像 显微图像分割 UNet++ 注意力门

在线阅读 下载PDF 职称材料

基于改进U-Net的微地震事件识别方法

6

作者 董春峰 张岩 +1 位作者 刘小秋 董宏丽 《吉林大学学报(地球科学版)》 北大核心 2025年第3期970-986,共17页

微地震事件识别是水力压裂微地震监测数据处理的一个关键环节,当前基于深度学习的微地震事件识别方法在有效事件特征提取和抗噪方面存在一定的局限,无法满足后续微地震震源定位、反演等工作的要求。本文提出基于改进U-Net的微地震事件... 微地震事件识别是水力压裂微地震监测数据处理的一个关键环节,当前基于深度学习的微地震事件识别方法在有效事件特征提取和抗噪方面存在一定的局限,无法满足后续微地震震源定位、反演等工作的要求。本文提出基于改进U-Net的微地震事件识别方法,该方法在U-Net下采样过程中引入残差收缩模块,通过残差块实现网络结构的跨层连接以减少模型训练时特征信息的损失,结合软阈值收缩技术削弱微地震数据中噪声特征的干扰,增强模型的抗噪能力;在上采样过程中引入注意力门机制,通过门控信号对提取到的微地震数据特征向量进行加权,使模型重点关注数据中含有微地震事件的区域,提高模型有效特征的提取能力与识别精度。合成和实际微地震数据实验结果表明,本文方法可充分提取有效微地震事件特征,相比于传统卷积神经网和残差网络能更准确地识别出微地震事件,测试集准确率分别提高6.28%、3.70%,尤其对能量弱的微地震信号的识别精度高于同类网络模型,并具有较好的抗噪与泛化能力。 展开更多

关键词 微地震事件识别 U-Net 残差收缩模块 注意力门 信号处理

在线阅读 下载PDF 职称材料

融合多标签损失与双注意力的U型视网膜血管分割 被引量：6

7

作者 梁礼明 冯骏 +1 位作者 彭仁杰 曾嵩 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2023年第1期75-86,共12页

眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注... 眼底视网膜血管的检测与分析对许多眼科疾病的诊断具有重要意义.为了更精确、健全地提取视网膜血管的特征信息,提出一种融合多标签损失与双注意力的U型网络模型.首先在编码部分通过空间金字塔池化提供多尺度输入,在U型网络内部融入双注意残差块提升网络对特征信息的提取能力;其次,在网络底部嵌入特征相似模块以捕获特征之间的远程依赖关系,为了有效地抑制眼底图像中的噪声影响和捕获血管多尺度信息,在跳连部分分别引入双路径注意门机制与稠密的空洞空间金字塔池化模块;最后,在解码部分设置侧输出层生成与层级对应的局部预测图像,并配合多标签Dice损失函数进行训练.在DRIVE,STARE和CHASE_DB1数据集上进行实验,灵敏度分别为80.54%,83.97%和82.40%,受试者曲线下的面积(AUC)分别为98.07%,98.50%和98.36%. 展开更多

关键词 视网膜血管 多标签损失 U型网络 双注意残差块 远程依赖关系 双路径注意门机制

在线阅读 下载PDF 职称材料

融合空洞卷积与注意模型的U型视盘分割 被引量：3

8

作者 梁礼明 盛校棋 +1 位作者 熊文 郭凯 《计算机工程与设计》 北大核心 2020年第3期808-814,共7页

针对现有的算法对视盘边缘分割精度不高和视盘周围存在大量噪音等难点,提出一种融合空洞卷积与注意门的U型卷积神经网络视盘分割算法。在预处理阶段,利用图像RGB通道的线性组合提取各通道颜色特征信息,利用形态学滤波技术强化视盘边缘... 针对现有的算法对视盘边缘分割精度不高和视盘周围存在大量噪音等难点,提出一种融合空洞卷积与注意门的U型卷积神经网络视盘分割算法。在预处理阶段,利用图像RGB通道的线性组合提取各通道颜色特征信息,利用形态学滤波技术强化视盘边缘信息。在分割阶段,利用多尺度空洞卷积提高感受野,通过注意门提升视盘权重信息,由SoftMax激活函数分割视盘与背景信息。在DRIONS-DB眼底图像数据集上进行的仿真结果表明,视盘分割准确率、精确率和重合率分别达到99.83%,94.84%和97.35%。 展开更多

关键词 空洞卷积 注意门 卷积神经网路 视盘分割 形态学滤波

在线阅读 下载PDF 职称材料

基于自注意力机制优化的AtG-DeepLab V3+内窥图像增强算法 被引量：3

9

作者 陈家俊 李开祥 +3 位作者 李仁剑 邵春蕾 李贵叶 陈玲玲 《光子学报》 EI CAS CSCD 北大核心 2023年第8期183-193,共11页

基于自注意力机制和DeepLab V3+网络联合构建了AtG-DeepLab V3+开源算法进行内窥图像增强处理,并采集测试靶和生物组织图像进行训练和测试。实现了内窥成像畸变和蜂窝状栅格结构的同时去除并能高清还原更多图像细节,对比现有的内窥图像... 基于自注意力机制和DeepLab V3+网络联合构建了AtG-DeepLab V3+开源算法进行内窥图像增强处理,并采集测试靶和生物组织图像进行训练和测试。实现了内窥成像畸变和蜂窝状栅格结构的同时去除并能高清还原更多图像细节,对比现有的内窥图像重建网络U2-Net、Attention U-net和GARNN等算法,在峰值信噪比(提升66.4%,51.9%,154.6%)、结构相似度(提升55.6%,45.9%,231.5%)等量化指标上均实现了较大幅度的提高。该算法为光学内窥图像处理提供了一个新的高效处理方案。 展开更多

关键词 内窥图像 深度学习 图像增强 注意力门 神经网络

在线阅读 下载PDF 职称材料

SAG-Net:用于联合视盘和视杯分割的新型跳过注意力指导网络 被引量：1

10

作者 蒋芸 高静 王发林 《计算机工程与科学》 CSCD 北大核心 2021年第7期1273-1282,共10页

学习特征图语义信息和位置信息对于在视网膜图像分割中产生理想的结果至关重要。最近,卷积神经网络在提取特征图有效信息方面已经表现出了强大的能力,然而,卷积和池化操作会过滤掉一些有用的信息。提出了一种新型跳过注意力指导网络SAG-... 学习特征图语义信息和位置信息对于在视网膜图像分割中产生理想的结果至关重要。最近,卷积神经网络在提取特征图有效信息方面已经表现出了强大的能力,然而,卷积和池化操作会过滤掉一些有用的信息。提出了一种新型跳过注意力指导网络SAG-Net来保存特征图语义和位置信息并指导扩展工作。在SAG-Net中,首先引入了跳过注意力门SAtt模块,将其用作敏感的扩展路径来传递先前特征图的语义信息和位置信息,不仅有助于消除噪声,还进一步减小了背景的负面影响。其次,通过合并图像金字塔保留上下文特征来进一步优化SAG-Net。在Drishti-GS1数据集上,联合视盘和视杯分割任务表明了SAG-Net的有效性。综合结果表明,SAG-Net优于原始的U-Net方法以及其他用于视盘和视杯分割的最新的方法。 展开更多

关键词 卷积神经网络 图像分割 跳过注意力门 扩展路径

在线阅读 下载PDF 职称材料

基于U-NET的双分支海上SAR溢油检测模型 被引量：1

11

作者 盛辉 曹文俊 +3 位作者 刘善伟 王大伟 杨俊芳 张杰 《海洋科学》 CAS CSCD 北大核心 2024年第7期1-10,共10页

为提高海上溢油SAR(Synthetic Aperture Radar)检测的准确率,本文提出一种基于U-NET和注意力门的海上溢油SAR检测模型(AW-net),该模型将U-NET中传统的单输入编码器替换为双分支编码器,分别输入纹理特征和SAR灰度特征,并进一步采用注意... 为提高海上溢油SAR(Synthetic Aperture Radar)检测的准确率,本文提出一种基于U-NET和注意力门的海上溢油SAR检测模型(AW-net),该模型将U-NET中传统的单输入编码器替换为双分支编码器,分别输入纹理特征和SAR灰度特征,并进一步采用注意力门融合纹理信息和灰度信息。实验利用1景海丝一号(HISEA-1)SAR数据构建样本训练集进行AW-net模型训练,分别应用1景HISEA-1 SAR数据和1景Radarsat-2SAR数据开展模型测试,溢油检测准确率均优于U-NET、AttentionU-NET和FCN等语义分割模型,说明该模型具有较强的强鲁棒性和应用潜力。 展开更多

关键词 溢油检测 SAR U-NET 注意力门 双分支编码器

在线阅读 下载PDF 职称材料

基于改进SAGGAN模型的齿轮故障分类方法研究

12

作者 刘洋 但斌斌 +2 位作者 易灿灿 严旭果 薛家成 《机电工程》 CAS 北大核心 2024年第12期2185-2194,共10页

针对齿轮故障样本获取困难,导致深度学习驱动故障分类模型的可靠性和准确性不足这一问题,提出了一种基于改进自注意力门单元生成对抗网络(SAGGAN)的半监督齿轮故障分类模型。首先,为增强改进SAGGAN模型的特征表示能力,提升齿轮故障的半... 针对齿轮故障样本获取困难,导致深度学习驱动故障分类模型的可靠性和准确性不足这一问题,提出了一种基于改进自注意力门单元生成对抗网络(SAGGAN)的半监督齿轮故障分类模型。首先,为增强改进SAGGAN模型的特征表示能力,提升齿轮故障的半监督分类效果,在自注意力生成对抗网络(SAGAN)的基础上,引入了门控通道转换模块(GCT)、改进自注意力门控模块(SAG)和预训练的Inception V3分支;然后,使用齿轮故障实验装置采集齿轮断齿、磨损、周节误差和正常四种状态下的振动信号,并将数据划分为训练集、验证集与测试集;最后,将计算结果与现有的半监督分类方法:TripleGAN、Bad-GAN、Reg-GAN、SF-GAN进行了对比,并对改进模块进行了消融实验研究。研究结果表明:在标签样本为40、60、80、100时,改进SAGGAN模型的整体分类准确率分别为89%、90%、92%、94.25%,远高于其他四种方法,特别在只有少量标签样本情况下的优越性更为明显。以上结果揭示了改进的SAGGAN模型在齿轮故障分类领域中的实用性和优越性。 展开更多

关键词 齿轮故障 模式分类 自注意力门单元生成对抗网络 半监督学习 自注意力生成对抗网络 门控通道转换模块 自注意力门控模块

在线阅读 下载PDF 职称材料

基于改进LSTM的儿童语音情感识别模型 被引量：11

13

作者 余莉萍 梁镇麟 梁瑞宇 《计算机工程》 CAS CSCD 北大核心 2020年第6期40-49,共10页

为实现不同儿童情感需求状态下帧级语音特征的有效获取,建立一种基于改进长短时记忆(LSTM)网络的儿童语音情感识别模型。采用帧级语音特征代替传统统计特征以保留原始语音中的时序关系,通过引入注意力机制将传统遗忘门和输入门转换为注... 为实现不同儿童情感需求状态下帧级语音特征的有效获取,建立一种基于改进长短时记忆(LSTM)网络的儿童语音情感识别模型。采用帧级语音特征代替传统统计特征以保留原始语音中的时序关系,通过引入注意力机制将传统遗忘门和输入门转换为注意力门,并根据自定义的深度策略计算得到深度注意力门,从而提高语音情感识别性能。实验结果表明,在Fau Aibo儿童情感数据语料库及婴儿哭声情感需求数据库上,该模型在召回率和F1分数上相比基于传统LSTM的识别模型分别提高了3.14%、5.50%和1.84%、5.49%,在CASIA中文情感数据库上,其相比基于传统LSTM和GRU的识别模型训练时间更短、儿童语音情感识别率更高。 展开更多

关键词 儿童情感 时序关系 帧级语音特征 深度注意力门 长短时记忆网络

在线阅读 下载PDF 职称材料

多尺度特征融合的头影标志点检测 被引量：1

14

作者 任家豪 张光华 +1 位作者 乔钢柱 武秀萍 《计算机工程》 CAS CSCD 北大核心 2023年第3期271-279,共9页

头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利... 头影标志点检测对于临床诊断、治疗计划和研究至关重要。为提高自动检测的准确性,提出一种改进的多尺度特征融合检测模型AIW-Net。采用经过预训练的轻量型网络MobileNetV2作为主干网络进行特征提取,使用上、下采样路径构成中间模块,利用改进的倒残差模块减少下采样过程中的特征损失。在解码器模块中引入从粗到细的中间监督,将得到的多个尺度热图与特征图进行融合,并在跳跃连接中使用注意力门,有效抑制特征图中的背景区域响应。在ISBI 2015 Grand Challenge提供的基准数据集Test 1上进行实验,结果表明,该模型的平均径向误差为1.14 mm,在临床可接受的误差范围2 mm与2.5 mm内的成功检测率分别为86.38%与92.10%,性能优于W-Net、IW-Net等模型。 展开更多

关键词 标志点检测 多尺度特征融合 倒残差结构 注意力门 热图回归

在线阅读 下载PDF 职称材料

基于RAU-net的视网膜OCT图像快速自动分层研究 被引量：1

15

作者 曾兴晖 许祥丛 +3 位作者 李晓 王茗祎 钟俊平 熊红莲 《华南师范大学学报（自然科学版）》 CAS 北大核心 2021年第2期1-6,共6页

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块... 利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消失和梯度爆炸问题,注意力门结构突出了模型对视网膜图像重要特征的学习.由模型预测后得到的分割结果获取9条边界的感兴趣区域,然后运用图像搜索对分层图像进行边界优化,得到精确的视网膜分层图像.结果表明:该RAU-net算法与手动分层的误差约为1像素,且完成1帧OCT视网膜图像的分层只需要4 s.通过RAU-net与图像搜索相结合的方法为视网膜疾病的临床诊断和治疗提供了快速准确的定量分析方法. 展开更多

关键词 视网膜层分割 残差块 注意力门 U-net 图像搜索

在线阅读 下载PDF 职称材料

一种针对膝关节CT图像分割的卷积神经网络 被引量：1

16

作者 吴江平 郑馨 《现代电子技术》 2022年第18期133-137,共5页

针对现有的膝关节CT图像分割方法耗时长、精度低的问题,文中提出一种改进U-Net的卷积神经网络。首先,该网络将添加批归一化层的残差模块作为U-Net编码过程的主要单元,以增加对图像特征的提取能力,克服网络训练过程中可能产生的梯度消失... 针对现有的膝关节CT图像分割方法耗时长、精度低的问题,文中提出一种改进U-Net的卷积神经网络。首先,该网络将添加批归一化层的残差模块作为U-Net编码过程的主要单元,以增加对图像特征的提取能力,克服网络训练过程中可能产生的梯度消失和梯度爆炸问题;其次,把Attention U-Net中的注意力门加入到U-Net解码过程的前3个阶段,在尽量减少网络复杂性的同时突出模型对图像重要特征的学习;最后,该网络结合Adam一阶优化算法和Focal Loss损失函数实现膝关节CT图像的精准分割。在膝关节CT图像数据集上,Dice系数、IOU系数精度分别达到96.5%,93.4%,豪斯多夫距离减小到(3.2±1.3)mm。相比U-Net和SegNet模型,文中算法在膝关节CT图像的分割方面精度更高,网络训练时间减少,平均预测每张图像的效率也有较大提高。 展开更多

关键词 图像分割 膝关节CT图像 卷积神经网络 医学图像处理 残差模块 注意力门 U-Net 损失函数

在线阅读 下载PDF 职称材料

基于Res-AA U-Net模型的楼板双层钢筋尺寸测量算法研究

17

作者 陈婉清 李刚 +2 位作者 盛明辉 付相林 陈伟 《建筑科学与工程学报》 2025年第3期103-114,共12页

钢筋工程检测存在验收人力资源消耗大和时间成本高的问题,特别是楼板双层钢筋的尺寸验收时,由于上层钢筋覆盖下层钢筋导致测量难度增加,而传统的图像处理方法难以满足测量精度要求,为此提出一种基于Res-AA U-Net的楼板双层钢筋尺寸自动... 钢筋工程检测存在验收人力资源消耗大和时间成本高的问题,特别是楼板双层钢筋的尺寸验收时,由于上层钢筋覆盖下层钢筋导致测量难度增加,而传统的图像处理方法难以满足测量精度要求,为此提出一种基于Res-AA U-Net的楼板双层钢筋尺寸自动测量方法。该方法对Resnet34进行改进,修剪其网络结构并优化损失函数,用改进的Resnet34代替U-Net的特征提取器,用注意力门机制代替跳跃连接,同时在U-Net底部加入改进ASPP模块,构建包含3355张楼板钢筋图像的数据集,最后利用迁移学习技术加快模型训练速度。结果表明:基于Res-AA U-Net模型的钢筋分割效果优于U-Net、Deeplab v3+、HRNet、PSPNet等经典分割网络,平均交并比、像素精确率和召回率分别达到92.81%、96.02%、94.49%;相较于原U-Net,Res-AA U-Net的钢筋直径测量和钢筋间距测量误差分别减小13.63%、5.82%,测量精度满足钢筋工程验收标准中双层楼板钢筋的验收要求,可有效提升钢筋工程验收效率与智能化水平。 展开更多

关键词 楼板双层钢筋 尺寸测量 U-Net模型 注意力门机制 Resnet34网络 迁移学习 ASPP模块

在线阅读 下载PDF 职称材料