检索结果-维普期刊中文期刊服务平台

基于改进轻量级MobileNet V2-DeepLab V3^(+)模型的恐龙谷环状地区土地利用分类: 1; 作者任聪甘淑 +2 位作者袁希平罗为东朱智富《兰州大学学报(自然科学版)》北大核心 2025年第4期436-441,共6页; 针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3^(+)全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的... 展开更多; 关键词全局通道空间注意力 MobileNet v2网络 deeplab v3+模型土地利用语义分割; 在线阅读下载PDF 职称材料

基于DeepLab v3+的综放工作面含矸率预测研究: 2; 作者王志峰王家臣 +1 位作者李良晖安博超《工矿自动化》 CSCD 北大核心 2024年第10期90-96,共7页; 针对综放工作面真实煤矸堆叠状态下的体积含矸率很难获取的问题,提出一种基于DeepLab v3+的综放工作面含矸率预测方法。构建了煤矸堆积体图像数据集,采用半自动的数据标注方法和限制对比度自适应直方图均衡化法对煤矸图像进行预处理。运... 展开更多; 关键词智能放煤综放工作面含矸率煤矸识别体积含矸率语义分割 deeplab v3+模型; 在线阅读下载PDF 职称材料

基于DeepLab V3模型的图像语义分割速度优化研究被引量：9: 3; 作者司海飞史震 +1 位作者胡兴柳杨春萍《计算机工程与应用》 CSCD 北大核心 2020年第24期137-143,共7页; 为了解决移动端视觉感知模块的内存资源和硬件条件不适应卷积神经网络的快速应用等问题。以经典的DeepLab V3模型为基础,在保证分割精度的前提下,以优化卷积神经网络模型的运行速度为目标,提出一种新的轻量化网络结构。所设计的网络结... 展开更多; 关键词图像语义分割移动端 deeplab v3模型轻量化卷积神经网络; 在线阅读下载PDF 职称材料

基于改进DeepLab v3+模型的养殖浮筏提取研究: 4; 作者刘远大宋伟东 +2 位作者蓝歆玫李佳薛国坤《海洋测绘》 CSCD 北大核心 2023年第6期66-69,82,共5页; 针对已有养殖浮筏提取研究中未考虑多时相、特征多样性问题,提出了一种基于改进DeepLab v3+模型的养殖浮筏提取方法。通过依据多年份Sentinel-2遥感影像构建了养殖浮筏影像数据集;更改模型中ASPP模块结构为DenseASPP并优化膨胀率;替换... 展开更多; 关键词遥感影像遥感智能解译深度学习 deeplab v3+模型养殖浮筏; 在线阅读下载PDF 职称材料

基于伪标签迭代自训练的无人机玉米冠层覆盖度识别研究: 5; 作者詹磊丁一民 +3 位作者朱磊杨志丁龙辉叶一立《节水灌溉》北大核心 2025年第8期114-120,130,共8页; 冠层覆盖度是计算作物需水量的重要参数。研究针对传统无人机提取玉米冠层过程中光照不均、阈值选取不确定以及对大量标注数据依赖性过高等问题,提出了一种基于RGB影像的迭代自训练识别方法。首先采用中值滤波、自适应直方图均衡化(CLAH... 展开更多; 关键词玉米冠层覆盖度迭代自训练识别伪标签 deeplab v3+ 高斯混合模型无人机RGB 低空遥感反演图像增强; 在线阅读下载PDF 职称材料

基于图像分割技术的智能造字研究: 6; 作者蒋建斌黄松吴建国《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第6期989-1000,共12页; 目前,基于风格学习的智能造字技术生成的字体与用户手写风格相似度低,基于GPU(graphics proce-ssing unit)风格迁移的方法成本高昂。为解决上述问题,利用深度学习和图像分割技术,提出一种新型智能造字方法,在保持高度相似风格的同时,满... 展开更多; 关键词智能造字 deeplab v3+ 数据质量评估模型图像分割模型 TRUETYPE; 在线阅读下载PDF 职称材料

SAR影像洪水淹没范围深度学习提取方法被引量：10: 7; 作者郭玮袁宏永 +1 位作者薛明魏平岩《中国安全科学学报》 CAS CSCD 北大核心 2022年第4期177-184,共8页; 为提高洪涝灾害应急救援辅助决策能力,快速提取洪水淹没范围,提出一种基于深度学习的合成孔径雷达(SAR)影像洪水淹没范围提取方法。首先,基于DeepLab v3+模型,建立合成孔径雷达(SAR)影像洪水淹没范围提取模型;然后,针对SAR影像标注数据... 展开更多; 关键词合成孔径雷达(SAR) 洪水淹没范围深度学习 deeplab v3+模型水体提取; 在线阅读下载PDF 职称材料

题名基于改进轻量级MobileNet V2-DeepLab V3^(+)模型的恐龙谷环状地区土地利用分类: 1; 作者任聪甘淑袁希平罗为东朱智富; 机构昆明理工大学国土资源工程学院云南省高校高原山地空间信息测绘技术应用工程研究中心滇西应用技术大学地球科学与工程学院; 出处《兰州大学学报(自然科学版)》北大核心 2025年第4期436-441,共6页; 基金国家自然科学基金项目(62266026)。; 文摘针对传统卷积神经网络模型对全局特征捕捉不足的缺陷,提出一种基于改进的DeepLab V3^(+)全局通道空间注意力模型.通过处理无人机影像数据,以轻量级网络MobileNet V2为主干网络,结合通道注意力、通道洗牌和空间注意力机制,增强了特征的全局特征捕捉能力,有效提升了研究区的土地利用分类精度.在以专家经验构建的道路、耕地、草地等样本中进行对比实验,结果表明,该方法的平均准确率、平均召回率、平均F_(1)分数、平均交并比及К系数比原始DeepLab V3^(+)模型分别提高了1.90%、2.22%、2.22%、3.37%、2.74%,其分割效果相比其他模型,更加关注图像的全局特征,提升了对复杂纹理类别的识别精度.; 关键词全局通道空间注意力 MobileNet v2网络 deeplab v3+模型土地利用语义分割; Keywords global channel-spatial attention MobileNet v2 network ^deeplab v3^(+)model land use semantic segmentation; 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DeepLab v3+的综放工作面含矸率预测研究: 2; 作者王志峰王家臣李良晖安博超; 机构中国矿业大学(北京)能源与矿业学院厚煤层绿色智能开采教育部工程研究中心; 出处《工矿自动化》 CSCD 北大核心 2024年第10期90-96,共7页; 基金国家自然科学基金项目(51934008,52404159) 中国矿业大学(北京)本科教育教学改革与研究项目(J241107)。; 文摘针对综放工作面真实煤矸堆叠状态下的体积含矸率很难获取的问题,提出一种基于DeepLab v3+的综放工作面含矸率预测方法。构建了煤矸堆积体图像数据集,采用半自动的数据标注方法和限制对比度自适应直方图均衡化法对煤矸图像进行预处理。运用DeepLab v3+模型进行煤矸图像语义分割,进而计算煤矸图像的投影面积含矸率。利用PFC3D数值模拟软件,基于重建的三维煤矸块体建立数值模型,模拟顶煤放落和刮板输送机运煤过程,通过fish语言读取每个矸石或煤的体积,计算得到煤矸堆积体体积含矸率。通过分析不同顶煤厚度条件下刮板输送机上煤矸堆积体的投影面积含矸率与体积含矸率的量化关系,建立了煤流的体积含矸率预测模型。实验结果表明:DeepLab v3+模型的准确率、平均像素准确率和平均交并比分别为97.68%,97.72%,95.33%,均高于经典语义分割模型FCN8s和PSPNet,实现了煤矸堆积体投影面积含矸率的精准快速识别;体积含矸率预测模型的决定系数R^(2)为0.9828,预测效果较好。; 关键词智能放煤综放工作面含矸率煤矸识别体积含矸率语义分割 deeplab v3+模型; Keywords intelligent coal caving fully mechanized caving faces gangue content rate coal-gangue identification volumetric gangue content rate semantic segmentation deeplab v3+model; 分类号 TD821 [矿业工程—煤矿开采]; 在线阅读下载PDF 职称材料

题名基于DeepLab V3模型的图像语义分割速度优化研究被引量：9: 3; 作者司海飞史震胡兴柳杨春萍; 机构金陵科技学院智能科学与控制工程学院哈尔滨工程大学智能科学与工程学院; 出处《计算机工程与应用》 CSCD 北大核心 2020年第24期137-143,共7页; 基金江苏省自然科学基金面上项目(No.BK20171114) 国家自然科学基金(No.61873002) +1 种基金金陵科技学院人才引进项目(No.Jit-rcyj-201604)。; 文摘为了解决移动端视觉感知模块的内存资源和硬件条件不适应卷积神经网络的快速应用等问题。以经典的DeepLab V3模型为基础,在保证分割精度的前提下,以优化卷积神经网络模型的运行速度为目标,提出一种新的轻量化网络结构。所设计的网络结构将原有非线性激活函数替换成新的Swish激活函数进行精度补偿,采用改进后的轻量化MobileNet V2结构替代DeepLab V3原有的特征提取器。实验结果表明,改进的DeepLab V3网络模型和目前精度最高的DeepLab V3+算法相比,其在维持一定精度的前提下,参数量和计算复杂度大大减小,运行速度明显提升,模型内存占用率下降了近96%,综合性能更强,更适合对分割性能要求较高的快速分割网络。; 关键词图像语义分割移动端 deeplab v3模型轻量化卷积神经网络; Keywords image semantic segmentation mobile terminal deeplab v3 model lightweight convolutional neural network; 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

题名基于改进DeepLab v3+模型的养殖浮筏提取研究: 4; 作者刘远大宋伟东蓝歆玫李佳薛国坤; 机构辽宁工程技术大学测绘与地理科学学院大连黄渤海海洋测绘数据信息有限公司; 出处《海洋测绘》 CSCD 北大核心 2023年第6期66-69,82,共5页; 基金国家自然科学基金(42071343)。; 文摘针对已有养殖浮筏提取研究中未考虑多时相、特征多样性问题,提出了一种基于改进DeepLab v3+模型的养殖浮筏提取方法。通过依据多年份Sentinel-2遥感影像构建了养殖浮筏影像数据集;更改模型中ASPP模块结构为DenseASPP并优化膨胀率;替换原特征提取网络Xception为轻量化网络MobileNet v2;增加CBAM注意力机制模块,在顾及多时相、特征多样性养殖浮筏基础上,有效提升了模型的提取精度和效率。以覆盖长海县的Sentinel-2遥感影像为数据源进行实验,结果表明:改进DeepLab v3+模型各评价指标均高于DeepLab v3+模型,精确率、准确率分别达到了89.64%、88%。; 关键词遥感影像遥感智能解译深度学习 deeplab v3+模型养殖浮筏; Keywords remote sensing images remote sensing intelligent interpretation deep learning deeplab v3+model breeding floating rafts; 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

题名基于伪标签迭代自训练的无人机玉米冠层覆盖度识别研究: 5; 作者詹磊丁一民朱磊杨志丁龙辉叶一立; 机构宁夏大学土木与水利工程学院宁夏回族自治区黄河水联网数字治水重点实验室宁夏回族自治区水利科学研究院; 出处《节水灌溉》北大核心 2025年第8期114-120,130,共8页; 基金宁夏自然科学基金优秀青年项目(2023AAC05013) 国家自然科学基金项目(52209059)。; 文摘冠层覆盖度是计算作物需水量的重要参数。研究针对传统无人机提取玉米冠层过程中光照不均、阈值选取不确定以及对大量标注数据依赖性过高等问题,提出了一种基于RGB影像的迭代自训练识别方法。首先采用中值滤波、自适应直方图均衡化(CLAHE-SV)及Retinex光照校正对原始图像进行增强,改善了对比度、突出了玉米细节并降低了噪声。随后,构建了包含超绿指数(EXG)在内的多维特征向量,并结合无监督高斯混合模型(GMM)聚类生成玉米冠层覆盖度识别伪标签。最后,基于伪标签和少量人工标注数据(共45张图像,占样本总量约3.7%),利用DeepLab v3+深度学习模型进行迭代自训练,逐步提高识别精度。结果表明,多轮迭代后模型整体准确率由87.05%提升至94.24%,Kappa系数由73.26%提高至87.97%。该方法有效降低了识别算法对大规模标注数据的依赖,为基于无人机RGB影像的玉米冠层覆盖度遥感监测提供了一种高效、自动化的解决方案。; 关键词玉米冠层覆盖度迭代自训练识别伪标签 deeplab v3+ 高斯混合模型无人机RGB 低空遥感反演图像增强; Keywords maize canopy cover iterative self-training recognition pseudo-label deeplab v3+ gaussian mixture model UAv RGB low-altitude remote sensing inversion image enhancement; 分类号 S252.9 [农业科学—农业机械化工程] TP79 [自动化与计算机技术—检测技术与自动化装置]; 在线阅读下载PDF 职称材料

题名基于图像分割技术的智能造字研究: 6; 作者蒋建斌黄松吴建国; 机构北京大学工学院北京北大方正电子有限公司; 出处《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第6期989-1000,共12页; 基金国家自然科学基金(72171003,71932006)资助。; 文摘目前,基于风格学习的智能造字技术生成的字体与用户手写风格相似度低,基于GPU(graphics proce-ssing unit)风格迁移的方法成本高昂。为解决上述问题,利用深度学习和图像分割技术,提出一种新型智能造字方法,在保持高度相似风格的同时,满足用户个性化需求,并降低成本。采用DeepLab v3+技术,用户输入的775个字体图像经过数据质量评估模型筛选后,通过图像分割模型进行部件拆分,然后精细地调整部件并去除噪点,最终矢量化后生成TrueType字体。与现有技术相比,该方法能够显著地提升相似度并降低成本,可以有效地满足用户个性化定制需求。; 关键词智能造字 deeplab v3+ 数据质量评估模型图像分割模型 TRUETYPE; Keywords intelligent character creation deeplab v3+ data quality evaluation model image segmentation model Truetype; 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SAR影像洪水淹没范围深度学习提取方法被引量：10: 7; 作者郭玮袁宏永薛明魏平岩; 机构应急管理部大数据中心清华大学工程物理系; 出处《中国安全科学学报》 CAS CSCD 北大核心 2022年第4期177-184,共8页; 基金国家重点研发计划项目(2018YFC0807000)。; 文摘为提高洪涝灾害应急救援辅助决策能力,快速提取洪水淹没范围,提出一种基于深度学习的合成孔径雷达(SAR)影像洪水淹没范围提取方法。首先,基于DeepLab v3+模型,建立合成孔径雷达(SAR)影像洪水淹没范围提取模型;然后,针对SAR影像标注数据获取困难的问题,提出一种基于光学影像水体指数的半自动化标注样本制作方法,该方法大幅度减少标注工作的人工量和所需时间;最后,采用Sentinel-1卫星影像验证洪水淹没范围提取模型准确度。结果表明:提出的洪水淹没范围提取模型对复杂地表适应性较强;相比于自适应阈值方法,其识别精度更高,对遥感影像中的水体边缘、小面积水体、细长线状水体识别效果更优,该模型平均交并比为0.83。; 关键词合成孔径雷达(SAR) 洪水淹没范围深度学习 deeplab v3+模型水体提取; Keywords synthetic aperture radar(SAR) flood inundation area deep learning deeplab v3+model water extraction; 分类号 X915.5 [环境科学与工程—安全科学]; 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	基于改进轻量级MobileNet V2-DeepLab V3^(+)模型的恐龙谷环状地区土地利用分类	任聪甘淑袁希平罗为东朱智富	《兰州大学学报(自然科学版)》北大核心	2025	0	在线阅读下载PDF 职称材料
2	基于DeepLab v3+的综放工作面含矸率预测研究	王志峰王家臣李良晖安博超	《工矿自动化》 CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
3	基于DeepLab V3模型的图像语义分割速度优化研究	司海飞史震胡兴柳杨春萍	《计算机工程与应用》 CSCD 北大核心	2020	9	在线阅读下载PDF 职称材料
4	基于改进DeepLab v3+模型的养殖浮筏提取研究	刘远大宋伟东蓝歆玫李佳薛国坤	《海洋测绘》 CSCD 北大核心	2023	0	在线阅读下载PDF 职称材料
5	基于伪标签迭代自训练的无人机玉米冠层覆盖度识别研究	詹磊丁一民朱磊杨志丁龙辉叶一立	《节水灌溉》北大核心	2025	0	在线阅读下载PDF 职称材料
6	基于图像分割技术的智能造字研究	蒋建斌黄松吴建国	《北京大学学报（自然科学版）》 EI CAS CSCD 北大核心	2024	0	在线阅读下载PDF 职称材料
7	SAR影像洪水淹没范围深度学习提取方法	郭玮袁宏永薛明魏平岩	《中国安全科学学报》 CAS CSCD 北大核心	2022	10	在线阅读下载PDF 职称材料