期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到71篇文章
< 1 2 … 4 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进U-Net的煤矸图像分割模型与放煤控制技术
1
作者 袁永 秦正寒 +3 位作者 夏永琪 武让 李立宝 李勇 《煤炭学报》 北大核心 2025年第5期2722-2738,共17页
煤矸识别技术是综放工作面实现智能化的关键技术之一,同时也是该领域面临的一个重要挑战。针对目前煤矸图像数据集整体质量差、数据规模小、煤矸图像分割模型检测速度慢、识别精度低等问题,参考实际综放工作面搭建了大尺寸等比例综放开... 煤矸识别技术是综放工作面实现智能化的关键技术之一,同时也是该领域面临的一个重要挑战。针对目前煤矸图像数据集整体质量差、数据规模小、煤矸图像分割模型检测速度慢、识别精度低等问题,参考实际综放工作面搭建了大尺寸等比例综放开采相似模拟平台,基于该平台建立了煤矸图像采集系统,采集构建了高清仿真综放工作面煤矸图像数据集,提出一种基于特征金字塔网络(FPN)和空洞空间金字塔池化(ASPP)的改进U-Net煤矸分割模型,提高了煤矸图像的分割精度。通过在U-Net模型的跳跃连接中添加FPN模块,同时在解码器部分引入ASPP模块,建立了FPN-ASPP-U-Net煤矸分割模型,消融试验验证了FPN模块和ASPP模块对U-Net模型性能的提升。结果表明:FPN-ASPP-U-Net模型分割效果最好,均准确率(M_(A))为97.29%,均F1得分(M_(F1))为97.44%,均交并比(M_(I))为95.65%,模型参数量(M_(P))为29.64 M,浮点运算量(F)为341.29 G,每秒帧数(f)为41.1 f/s,与U-Net模型相比,M_(I)、M_(F1)和M_(A)分别提升了2.64%、1.06%和1.15%,模型参数量仅仅增加了0.33 M,改进后的模型在图像分割速度上有少量提升。设计了FPN-ASPP-U-Net模型与PSPNet、SegFormer、DeepLabV3+、PSANet语义分割模型的图像分割效果对比试验,结果表明:FPN-ASPP-U-Net模型对煤矸图像分割的性能最好,同时模型整体计算参数量最小,在分割精度和分割速度之间有着较好的平衡。对于粉尘影响下的不清晰图像,采用暗通道与高斯加权相结合的方法对图像数据集进行去雾增强,轻度粉尘、中度粉尘、重度粉尘去雾前后的模型对煤的分割精度提高了14.81%、17.79%、23.62%,对矸的分割精度提高了11.73%、14.50%、14.86%。基于研究结论提出了FPN-ASPP-U-Net模型的煤矸图像混矸率计算方法,开展了煤矸图像分割控制放煤试验,以混矸率20%作为放煤口关闭的阈值,单次放煤口开关期间真实混矸率与模型预测混矸率平均误差率为4.71%,验证了基于煤矸图像混矸率对放煤控制的可行性。最后,封装模型代码研发了煤矸图像智能识别软件,设计了煤矸分割现场应用方案,在榆树田煤矿110501综放工作面进行了图像控制放煤试验,验证了该方法能够对煤矸图像进行精准分割,对放煤口开关进行合理控制,提高了综放工作面的智能化水平,为推动煤矿进一步智能化建设提供了有效的技术手段与参考价值。 展开更多
关键词 放顶煤 煤矸识别 图像分割 混矸率 u-net模型
在线阅读 下载PDF
基于改进U-Net++模型的油菜pol TCMS温敏两系育性等级鉴定及温度育性关系的量化研究
2
作者 李世鹏 陈才武 +3 位作者 张晶 吕恬 傅廷栋 易斌 《作物学报》 北大核心 2025年第6期1423-1434,共12页
油菜(Brassica napus L.)是全球重要的油料作物,其杂种优势的利用在提升产量与环境适应能力方面发挥了关键作用。温敏型波里马细胞质雄性不育系(pol TCMS)因其育性受温度影响,具备一系两用的独特优势,已成功应用于两系育种。雄蕊、雌蕊... 油菜(Brassica napus L.)是全球重要的油料作物,其杂种优势的利用在提升产量与环境适应能力方面发挥了关键作用。温敏型波里马细胞质雄性不育系(pol TCMS)因其育性受温度影响,具备一系两用的独特优势,已成功应用于两系育种。雄蕊、雌蕊长度是生产实践中进行育性等级划分的主要依据,然而育性等级的主观划分方法易受人为因素干扰,最终影响表型考察及精细定位的结果。为此,本研究提出了一种育性等级鉴定的新方法,即基于改进U-Net++深度学习模型的图像语义分割法。以pol TCMS温敏两系及pol CMS稳定不育系构建F2分离群体,首先,获取分离群体中不同育性等级花器官的图像,标注构建数据集;其次,选取U-Net++图像语义分割方法,通过优化编码器和解码器结构并引入通道注意力模块,提升模型的分割精度;最后,以不同育性等级的图像进行训练和测试。结果表明,改进后的模型在不同育性等级花器官的分割任务中,平均交并比为92.02%,精确率为98.94%,召回率为98.84%,F1分数为98.87%,优于其他分割模型方法,该模型能很好识别出不同育性等级的花器官。基于分割结果获得原位实际长度,与人工测量的长度相比,预测值与实测值的决定系数R^(2)为0.989,均方根误差(RMSE)为0.142 mm,Spearman相关系数为0.983,可以实现不同育性等级表型参数的准确测量。此外,通过分析量化温度与育性(雄蕊/雌蕊比值)的关系发现,育性随单花开花前9 d的温度变化而波动。本研究验证了温度对油菜育性的关键影响,为深入解析油菜温敏特性及相关基因定位研究提供了新方法和技术支持。 展开更多
关键词 油菜 Pol TCMS u-net++分割模型 温度 育性等级 基因定位
在线阅读 下载PDF
基于U-Net模型的城建施工扬尘源识别与分类
3
作者 高占国 陶全刚 +4 位作者 陈元 汪伟峰 徐国津 叶文波 应红梅 《中国环境监测》 CAS CSCD 北大核心 2024年第5期234-240,共7页
城建施工不同环节均不可避免地存在各类施工扬尘,其中拆迁未建区与建设初期、中期和后期的建筑工地是城市施工产生扬尘的4类重要源头。以宁波市辖区的平原地区为研究区,选择2019年3—8月的谷歌地球高分遥感影像,基于U-Net模型的遥感影... 城建施工不同环节均不可避免地存在各类施工扬尘,其中拆迁未建区与建设初期、中期和后期的建筑工地是城市施工产生扬尘的4类重要源头。以宁波市辖区的平原地区为研究区,选择2019年3—8月的谷歌地球高分遥感影像,基于U-Net模型的遥感影像语义分割的方法,并采用基于人工与空间关系的混合校正策略,开展施工扬尘源的识别与分类方法研究,结果显示:模型可以实现4类扬尘源的识别与分类;针对部分扬尘源识别与分类效果较差的局部地区,采用基于人工与空间关系的混合校正策略可以有效校正模型分类的结果;共识别到4类扬尘源940处,面积4430.23 hm2,主要集中在中心城区的中部地区,且拆迁未建区和建设初期工地的扬尘源较多,建设中期和后期工地的扬尘源相对略少。 展开更多
关键词 u-net模型 拆迁未建区 城建施工 扬尘源 遥感解译
在线阅读 下载PDF
基于改进U-net网络模型的综采工作面煤岩识别方法 被引量：35
4
作者 司垒 王忠宾 +1 位作者 熊祥祥 谭超 《煤炭学报》 EI CAS CSCD 北大核心 2021年第S01期578-589,共12页
煤岩识别是实现工作面智能化开采的核心技术,也是煤炭开采领域的技术难题。针对当前综采工作面煤岩识别精度低的问题,提出了一种基于改进U-net网络模型的煤岩图像识别方法。该方法通过使用深度分离卷积代替传统卷积减少了网络模型的参数... 煤岩识别是实现工作面智能化开采的核心技术,也是煤炭开采领域的技术难题。针对当前综采工作面煤岩识别精度低的问题,提出了一种基于改进U-net网络模型的煤岩图像识别方法。该方法通过使用深度分离卷积代替传统卷积减少了网络模型的参数,提高了语义分割的效率;添加Res2net模块来提高编码器提取特征的能力,同时加入条件随机场对分割图像进行后处理,提高了网络模型在分割煤岩图像交界区域的精确性。为了获取更加丰富的煤岩分布图像,研制了不同特性的煤岩试样,搭建了采煤机煤岩截割试验台。通过煤岩截割试验获取了煤岩分布图像数据,并对其进行切分、缩放、旋转、裁剪、加噪声等操作,生成了包含8000个样本的煤岩图像语义分割数据集,采用自适应学习算法对模型进行训练,给出了模型训练过程中准确率和损失函数的变化规律。选取像素准确度和交并比对语义分割结果进行评估,结果表明,改进U-net网络模型的像素准确度和交并比的平均值分别为95.81%和91.13%,所占内存为35 M,测试用时为36.45 ms/张,与其他网络模型相比,该方法在煤岩图像分割中具有明显的优越性。在井下现场试验中,通过构建综采工作面煤岩图像语义分割数据集对改进U-net网络模型进行训练和测试,最后实现了综采工作面的煤岩识别,验证了该方法的可行性和实用性。 展开更多
关键词 煤岩识别 语义分割 深度学习 u-net网络模型
在线阅读 下载PDF
改进U-Net模型支持下的高密度激光点云在沥青道路病害识别中的应用 被引量：4
5
作者 赵丽凤 王勇 +2 位作者 王晓静 任传斌 徐鹏宇 《测绘通报》 CSCD 北大核心 2023年第7期136-141,159,共7页
现有的神经网络模型能在一定程度上实现自动识别路面病害,但在实际应用中,检测准确率无法满足道路安全运维的需求,容易出现病害的漏检和误检。针对上述问题,本文提出了一种融合灰度图像和深度图像的U-Net改进模型。首先利用深度图特征,... 现有的神经网络模型能在一定程度上实现自动识别路面病害,但在实际应用中,检测准确率无法满足道路安全运维的需求,容易出现病害的漏检和误检。针对上述问题,本文提出了一种融合灰度图像和深度图像的U-Net改进模型。首先利用深度图特征,实现自动剔除无病害数据,减轻模型的运算量;然后在传统的U-Net模型结构基础上加入全局上下文模块,在实现网络轻量化的基础上提升了网络性能;最后加入路面深度图高程信息,使模型的训练数据由一维变为二维。基于病害范围与路面深度图,获取路面病害深度参数。试验结果表明,本文提出的融合灰度图像和深度图像的U-Net改进模型在全局识别准确率、精准率、召回率、综合评价指标和mIoU指标上分别为99.09%、84.69%、81.64%、91.67%和84.58%,均高于其他两种同时进行测试的模型。在路面病害检测结果中,本文方法比其他4种模型提高了99.07%。因此,本文算法可以用于有噪声干扰的复杂场景,且能够平滑、高效地提取路面裂缝,具有较强的稳健性,可为后续的路面修复工作提供重要参考。 展开更多
关键词 道路病害 三维点云 深度图像 改进的u-net模型
在线阅读 下载PDF
基于U-Net模型的含杂水稻籽粒图像分割 被引量：32
6
作者 陈进 韩梦娜 +1 位作者 练毅 张帅 《农业工程学报》 EI CAS CSCD 北大核心 2020年第10期174-180,共7页
含杂率是水稻联合收获机的重要收获性能指标之一,作业过程中收获籽粒掺杂的杂质包含作物的枝梗和茎秆等,为了探索籽粒含杂率和机器作业参数之间的关联,需要实时获取籽粒含杂率数据。该文基于机器视觉的U-Net模型对联合收获机水稻收获籽... 含杂率是水稻联合收获机的重要收获性能指标之一,作业过程中收获籽粒掺杂的杂质包含作物的枝梗和茎秆等,为了探索籽粒含杂率和机器作业参数之间的关联,需要实时获取籽粒含杂率数据。该文基于机器视觉的U-Net模型对联合收获机水稻收获籽粒图像进行分割,针对传统分割算法中存在运算量大、耗时多、图像过分割严重和分割参数依赖人为经验难以应对各种复杂谷物图像等问题,采用深度学习模型多次训练学习各分割类别的像素级图像特征,提出基于U-Net深度学习模型的收获水稻籽粒图像中谷物、枝梗和茎秆的分割方法,采用改进的U-Net网络增加网络深度并加入Batch Normalization层,在小数据集上获得更丰富的语义信息,解决图像训练数据匮乏和训练过拟合问题。选取田间试验采集的50张收获水稻籽粒图像,采用Labelme方式进行标注和增强数据,裁剪1000张256像素×256像素小样本,其中700张作为训练集,300张作为验证集,建立基于改进U-Net网络的收获水稻籽粒图像分割模型。采用综合评价指标衡量模型的分割准确度,对随机选取的60张8位RGB图像进行验证。试验结果证明,水稻籽粒的分割综合评价指标值为99.42%,枝梗的分割综合评价指标值为88.56%,茎秆的分割综合评价指标值为86.84%。本文提出的基于U-Net模型的收获水稻籽粒图像分割算法能够有效分割水稻籽粒图像中出现的谷物、枝梗和茎秆,时性更强、准确度更高,可为后续收获水稻籽粒图像的进一步识别处理提供技术支撑,为水稻联合收获机含杂率实时监测系统设计提供算法参考。 展开更多
关键词 图像处理 水稻 杂质 u-net网络模型
在线阅读 下载PDF
改进U-Net模型的保护性耕作田间秸秆覆盖检测 被引量：5
7
作者 刘媛媛 周小康 +3 位作者 王跃勇 于海业 庚晨 何铭 《光学精密工程》 EI CAS CSCD 北大核心 2022年第9期1101-1112,共12页
为了适应保护性耕作秸秆还田监测的技术需求,提出了一种改进的U-Net语义分割算法对秸秆覆盖率进行检测。首先,提出一种新的卷积模块代替原始U-Net框架中的卷积模块;其次,改进Inception结构,引入条纹池化和高效空间金字塔空洞卷积模块,... 为了适应保护性耕作秸秆还田监测的技术需求,提出了一种改进的U-Net语义分割算法对秸秆覆盖率进行检测。首先,提出一种新的卷积模块代替原始U-Net框架中的卷积模块;其次,改进Inception结构,引入条纹池化和高效空间金字塔空洞卷积模块,形成新的Gception结构;最后,在模块中引入注意力机制。利用无人机采集田间地表图像,将改进的U-Net模型应用于自标注田间秸秆图像分割,与U-Net,PSP-Net,Link-Net,Res-Net,DSRA-Unet和DE-GWO算法进行对比实验,得到的平均交并比为80.05%,平均像素精确度为91.20%,覆盖率平均误差为0.80%。实验结果表明,改进U-Net模型的分割结果优于对比算法,能够保证特征提取的有效性和全局特征的完备性,有效剔除树影以及田内其他干扰因素。该模型适用于含有农机和树影等干扰的田间复杂场景,在大尺度图像中亦可获得较好的分割效果,可为大面积秸秆覆盖率检测提供技术支持。 展开更多
关键词 秸秆图像 覆盖率检测 语义分割 u-net模型 注意力机制
在线阅读 下载PDF
多尺度卷积核U-Net模型的视网膜血管分割方法 被引量：5
8
作者 杨丹 刘国如 +1 位作者 任梦成 裴宏杨 《东北大学学报（自然科学版）》 EI CAS CSCD 北大核心 2021年第1期7-14,共8页
针对病变视网膜血管结构的计算机辅助诊断问题,提出了一种多尺度卷积核U-Net模型的视网膜血管分割方法.在U-Net模型基础上设计了融合Inception模块和最大索引值上采样方法的多尺度卷积神经网络结构.在网络训练阶段,采取旋转、镜像等操... 针对病变视网膜血管结构的计算机辅助诊断问题,提出了一种多尺度卷积核U-Net模型的视网膜血管分割方法.在U-Net模型基础上设计了融合Inception模块和最大索引值上采样方法的多尺度卷积神经网络结构.在网络训练阶段,采取旋转、镜像等操作进行数据集扩充,运用CLAHE算法进行图像预处理;训练后得到的双通道特征图,进行Softmax归一化;最后通过改进的代价损失函数对归一化结果迭代优化,得到完整的视网膜血管分割模型.实验结果表明,所提方法在DRIVE数据集上分割的准确率达到0.9694,灵敏性达到0.7762,特异性达到0.9835,比U-Net模型具有更优的分割效果和泛化能力,与其他现存方法相比具有一定的竞争力. 展开更多
关键词 视网膜血管 多尺度卷积核 u-net模型 Inception模块 CLAHE算法
在线阅读 下载PDF
基于U-net模型的航拍图像去绳带方法 被引量：3
9
作者 洪汉玉 孙建国 +2 位作者 栾琳 王硕 郑新波 《应用光学》 CAS CSCD 北大核心 2019年第5期786-794,共9页
光启云端号平台是用电缆绳索牵引气囊的,由于空中航拍摄像系统悬挂在气囊下方,摄取的图像不可避免地含有绳带信息,这些绳带信息影响图像质量,所以在场景分析和目标检测中需要剔除。提出一种基于U-net模型的绳带检测算法,引入深度可分离... 光启云端号平台是用电缆绳索牵引气囊的,由于空中航拍摄像系统悬挂在气囊下方,摄取的图像不可避免地含有绳带信息,这些绳带信息影响图像质量,所以在场景分析和目标检测中需要剔除。提出一种基于U-net模型的绳带检测算法,引入深度可分离卷积提高计算速度,采用一种带权重的交叉熵作为损失函数,解决类别不均衡带来的收敛不稳定问题,最终的模型能够用较少的样本在较短的时间内,快速准确地检测绳带,利用快速行进修复算法(FMM)对绳带图像进行了修复。实验结果表明:该算法的mIOU达到62.8%,得到了较好的去绳结果。 展开更多
关键词 空中航拍 绳带检测 语义分割 u-net模型
在线阅读 下载PDF
基于MRU-Net++的极薄煤层综采面煤岩界面图像识别 被引量：2
10
作者 张传伟 何正伟 +4 位作者 路正雄 李林岳 龚凌霄 张刚强 潘巧娜 《煤炭科学技术》 EI CAS CSCD 北大核心 2024年第11期103-116,共14页
煤岩识别是极薄煤层综采工作面实现智能化开采的核心技术之一。针对极薄煤层开采时煤岩分界线自然裸露在外的特殊情况,提出了一种基于MRU-Net++网络的极薄煤层煤岩图像识别方法。该网络以U-Net++为基础,通过“剪枝”技术对U-Net++结构... 煤岩识别是极薄煤层综采工作面实现智能化开采的核心技术之一。针对极薄煤层开采时煤岩分界线自然裸露在外的特殊情况,提出了一种基于MRU-Net++网络的极薄煤层煤岩图像识别方法。该网络以U-Net++为基础,通过“剪枝”技术对U-Net++结构进行优化,在U-Net++网络性能损失最小的同时减少其复杂度,以提高运算速度;采用MobileNetV2轻量化网络,构建一个基于MobileNetV2的核心骨干网络,替代U-Net++原有的网络架构,显著降低了模型的参数数量,提高了模型分割效率;同时引入含有通道注意力机制的ResNeSt模块来增强对煤岩图像边缘细节特征的提取能力,提高分割精度。利用液压支架上的防爆摄像仪采集极薄煤层综采工作面煤岩图像,获取具有煤岩分布信息的高清煤岩图像并对图像进行预处理,创建含有2 536个样本的极薄煤层综采面煤岩图像数据集。设置消融试验,验证改进部分对网络性能的影响,并将该模型与经典FCN、U-Net、U-Net++网络模型进行对比,利用自适应学习算法训练各网络模型,选择像素准确度(Pixel Accuracy, P_(A))、交并比(Intersection over Union, IOU)及测试时间等关键指标评估模型分割效果。结果显示,MRU-Net++网络模型的平均像素准确度P_(AM)和交并比I_(OUM)分别为97.15%和94.16%,模型占用内存25.71 M,每张图像的平均测试时间28.61 ms,充分证明了该方法在极薄煤层特殊环境下进行煤岩识别任务的可行性与有效性。 展开更多
关键词 极薄煤层 煤岩识别 语义分割 u-net++网络模型 深度学习
在线阅读 下载PDF
U-net模型在高分辨率遥感影像水体提取中的应用 被引量：23
11
作者 王宁 程家骅 +2 位作者 张寒野 曹红杰 刘军 《国土资源遥感》 CSCD 北大核心 2020年第1期35-42,共8页
选择安徽省巢湖流域为研究区,采用U-net模型和随机森林模型,对高分一号(GF-1)高分辨率遥感影像进行水体信息提取,并对比分析了2种模型的水体提取结果和效率。结果表明:①对于大面积水体,2种模型的水体提取结果均具有较高的精度;②对于... 选择安徽省巢湖流域为研究区,采用U-net模型和随机森林模型,对高分一号(GF-1)高分辨率遥感影像进行水体信息提取,并对比分析了2种模型的水体提取结果和效率。结果表明:①对于大面积水体,2种模型的水体提取结果均具有较高的精度;②对于小面积水体,随机森林模型水体提取结果存在较多细碎图斑,U-net模型水体提取结果和人工目视解译结果更加符合;③对于遥感影像中城市建筑物阴影和山体阴影,U-net模型能较好地消除阴影影响,正确提取水体,而随机森林模型存在较多将阴影误分为水体的现象;④总体来看,在复杂地表覆盖类型条件下,U-net模型提取水体的总体精度为98. 69%,Kappa系数为0. 95,均高于随机森林模型,在2种模型漏分误差相当的情况下,U-net模型错分误差远小于随机森林模型。U-net模型避免了人工提取分类特征的过程,自动化程度更高,训练效率较高,适用于遥感影像中水体高精度提取。 展开更多
关键词 GF-1 u-net模型 随机森林 水体提取
在线阅读 下载PDF
基于图像和改进U-net模型的小麦赤霉病穗识别 被引量：6
12
作者 邓国强 王君婵 +3 位作者 杨俊 刘涛 李冬双 孙成明 《麦类作物学报》 CAS CSCD 北大核心 2021年第11期1432-1440,共9页
为了快速、有效地监测小麦赤霉病的发生情况,利用数码相机对人工接种赤霉病菌的小麦田进行RGB图像获取,在图像预处理基础上,利用深度学习网络U-net来对人工标记好的发病麦穗图像进行训练。通过深度学习数据集的构建与测试,建立了基于RG... 为了快速、有效地监测小麦赤霉病的发生情况,利用数码相机对人工接种赤霉病菌的小麦田进行RGB图像获取,在图像预处理基础上,利用深度学习网络U-net来对人工标记好的发病麦穗图像进行训练。通过深度学习数据集的构建与测试,建立了基于RGB图像和改进U-net网络模型的小麦赤霉病识别与监测模型,并对模型识别结果进行了验证。结果表明,U-net可以很好地提取图像波段信息,但对于比较复杂的麦穗图像,在使用Keras方法进行图像语义分割时,需要对U-net网络结构进行改进,即在下采样部分加入Dropout层。与人工标记结果相比,模型识别结果的一致性较好,具有较高的监测精度。该模型平均精度为0.9694,损失函数值为0.0759,平均交并比MIoU为0.799。上述结果说明改进的U-net模型可以很好地识别和监测小麦图像中的发病麦穗,并在发病麦穗的分割上具有很好的效果. 展开更多
关键词 小麦 赤霉病 u-net模型 深度学习 图像识别
在线阅读 下载PDF
基于U-net模型的全自动鼻咽肿瘤MR图像分割 被引量：15
13
作者 潘沛克 王艳 +1 位作者 罗勇 周激流 《计算机应用》 CSCD 北大核心 2019年第4期1183-1188,共6页
鼻咽肿瘤生长方向不确定,解剖结构复杂,当前主要依靠医生手动分割,该方法耗时久同时严重依赖于医生的经验。针对这一问题,基于深度学习理论,提出一种基于U-net模型的全自动鼻咽肿瘤MR图像分割算法,利用卷积操作替换原始U-net模型中的最... 鼻咽肿瘤生长方向不确定,解剖结构复杂,当前主要依靠医生手动分割,该方法耗时久同时严重依赖于医生的经验。针对这一问题,基于深度学习理论,提出一种基于U-net模型的全自动鼻咽肿瘤MR图像分割算法,利用卷积操作替换原始U-net模型中的最大池化操作以减少特征信息的损失。首先,从所有患者的肿瘤切片中提取大小为128×128的区域作为数据样本;然后,将患者样本分为训练样本集和测试样本集,并对训练样本集进行数据扩充;最后,选择训练样本集中所有数据用于训练网络模型。为了验证所提模型的有效性,选取测试样本集中患者的所有肿瘤切片进行分割,最终平均分割精度可达到:DSC(Dice Similarity Coefficient)为80.05%,PM系数为85.7%,CR系数为71.26%,ASSD(Average Symmetric Surface Distance)指标为1.156 8。与基于图像块的卷积神经网络(CNN)相比,所提算法DSC,PM(Prevent Match)、CR(Correspondence Ratio)系数分别提高了9.86个百分点、19.61个百分点、16.02个百分点,ASSD指标下降了0.436 4;与全卷积神经网络(FCN)模型及基于最大池化的U-net网络相比,所提算法的DSC、CR系数均取得了最优结果,PM系数较两种对比模型中的最大值低2.55个百分点,ASSD指标较两种对比模型中的最小值略高出0.004 6。实验结果表明,所提算法针对鼻咽肿瘤图像可以实现较好的自动化分割效果以辅助医生进行诊断。 展开更多
关键词 鼻咽肿瘤 医学图像分割 深度学习模型 端到端模型 u-net模型
在线阅读 下载PDF
基于精细化残差U-Net的新生儿局灶性脑白质损伤分割模型 被引量：5
14
作者 刘亚龙 李洁 +2 位作者 王颖 仵赛飞 邹佩 《计算机应用》 CSCD 北大核心 2019年第12期3456-3461,共6页
针对新生儿局灶性脑白质损伤的病灶区域小而样本差异大导致的检测与分割病灶较为困难的问题,提出一种精细化深度残差U-Net模型,以对病灶进行精细的语义分割。首先,把核磁共振(MRI)图像裁剪成较小的图像块;其次,利用残差U-Net提取出每个... 针对新生儿局灶性脑白质损伤的病灶区域小而样本差异大导致的检测与分割病灶较为困难的问题,提出一种精细化深度残差U-Net模型,以对病灶进行精细的语义分割。首先,把核磁共振(MRI)图像裁剪成较小的图像块;其次,利用残差U-Net提取出每个图像块不同层次的深度特征;然后,将特征进行融合并输出每个图像块的病灶分布概率图;最后,由全连接条件随机场对拼接后的概率图进行优化得到最终的分割结果。在某合作医院提供的数据集上的评估结果显示,在仅使用T1序列单模态数据的情况下,该模型在分割新生儿局灶性脑白质损伤时,病灶边缘的分割精度得到提高,且模型抗干扰能力较好。该模型的Dice相似性系数达到了62.51%,敏感度达到69.76%,特异性达到99.96%,修正的Hausdorff距离降低到33.67。 展开更多
关键词 局灶性脑白质损伤 新生儿 脑部肿瘤分割 深度学习 语义分割 深度残差u-net模型
在线阅读 下载PDF
融合U-Net改进模型与超像素优化的语义分割方法 被引量：2
15
作者 王振奇 邵清 +2 位作者 张生 杨振 何国春 《数据采集与处理》 CSCD 北大核心 2021年第6期1263-1275,共13页
基于现有的语义分割方法在面对不受限制的开放词汇量和多样多变的场景时表现出的分割不够精细、语义信息提取不充分和收敛时间长的问题,提出一种融合U-Net改进模型与超像素优化的语义分割方法。U-Net改进模型中结合空间金字塔模块(Atrou... 基于现有的语义分割方法在面对不受限制的开放词汇量和多样多变的场景时表现出的分割不够精细、语义信息提取不充分和收敛时间长的问题,提出一种融合U-Net改进模型与超像素优化的语义分割方法。U-Net改进模型中结合空间金字塔模块(Atrous spatial Pyramid pooling,ASPP)和Xception结构,在ASPP模块的分支网络中加入扩张卷积(Dilated convolutions,DC)形成模块本身的串并联结构,以增强图像特征提取能力;在Xception模块中添加注意力通道以及使用大的卷积核重构Xception模块,以减少数据的参数量并提高收敛速率,在此改进基础上再对图像进行超像素分割处理。最后使用条件随机场对分割结果施加全局约束,进一步优化像素的语义信息。本文方法在PASCAL VOC 2012测试集上进行验证并与DeepLab V3等主流网络进行对比,结果表明本文方法准确率提高了2.4%,证明了该方法在适应多变场景和应对精细语义分割上的有效性。 展开更多
关键词 图像语义分割 空间金字塔池化 u-net模型 超像素分割 条件随机场
在线阅读 下载PDF
应用U-Net模型和多时相Landsat-8影像对森林植被的分类 被引量：7
16
作者 杨丹 李崇贵 +2 位作者 常铮 李煜 雷田旺 《东北林业大学学报》 CAS CSCD 北大核心 2021年第9期55-59,66,共6页
为了探讨深度学习全卷积神经网络模型(U-Net)在多时相Landsat-8影像上的森林植被分类效果,以黑龙江孟家岗林场为研究区,采用多时相的Landsat-8影像为数据源,根据各森林类别多时相的光谱曲线确定分类的最佳时相,并对优化后的U-Net模型进... 为了探讨深度学习全卷积神经网络模型(U-Net)在多时相Landsat-8影像上的森林植被分类效果,以黑龙江孟家岗林场为研究区,采用多时相的Landsat-8影像为数据源,根据各森林类别多时相的光谱曲线确定分类的最佳时相,并对优化后的U-Net模型进行训练并验证。同时,进一步构建多时相植被指数特征,训练分类模型并对森林植被进行分类,比较优化后的U-Net分类方法和最大似然分类法的分类精度。结果表明:加入多时相植被指数的U-Net模型分类精度为83.5%,比单一时相分类精度高6.1%;优化后的U-Net模型分类方法精度明显高于最大似然分类方法,说明加入多时相植被指数的U-Net模型分类方法可以有效的提高森林分类精度。 展开更多
关键词 Landsat8多时相影像 u-net模型 最大似然法 植被指数 森林分类
在线阅读 下载PDF
基于U-Net模型的多时相Sentinel-2A/B影像林分类型分类 被引量：4
17
作者 杨丹 李崇贵 李斌 《林业科学研究》 CSCD 北大核心 2022年第4期103-111,共9页
[目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时... [目的]基于多时相Sentinel-2A/B影像,探究深度学习模型在森林植被上的分类效果。[方法]以黑龙江省孟家岗林场为研究区,以多时相Sentinel-2A/B影像、数字高程模型(DEM)为数据源,通过各森林类别的JM距离,确定最佳单一时相。同时,构建多时相植被指数及红边指数特征(DVI、mNDVI、CIred-edge、NDre1)。采用支持向量机和优化的U-Net模型分别对单一时相+DEM和单一时相+DEM+多时相植被指数两种方案进行分类实验。[结果](1)在单一时相+DEM基础上,加入多时相植被指数后,U-Net模型精度为77.87%,比单一时相+DEM精度高6.67%;(2)U-Net模型的总体精度明显优于支持向量机,并且分类效果更好。同时,深度学习U-Net模型能够避免“椒盐”现象,分类结果更细腻。[结论]基于多时相Sentinel-2A/B影像,构建植被指数及红边指数时序特征,同时采用U-Net模型在一定程度上能够提高林分类型分类精度。 展开更多
关键词 多时相Sentinel-2A/B影像 植被指数 红边指数 u-net模型 支持向量机 森林分类
在线阅读 下载PDF
基于U-Net模型和FCM算法的番茄穴盘苗重叠幼叶分割方法 被引量：4
18
作者 赵广猛 王卫兵 《江苏农业科学》 北大核心 2022年第2期206-212,共7页
针对传统方法对番茄穴盘苗重叠幼叶图像分割精度较低、背景剔除困难的问题,提出一种基于U-Net模型和模糊C均值聚类(FCM算法)相结合的图像分割方法。首先用ExRG法对图像的背景进行剔除,得到待分割幼叶的主体区域,对图像进行预处理。其次... 针对传统方法对番茄穴盘苗重叠幼叶图像分割精度较低、背景剔除困难的问题,提出一种基于U-Net模型和模糊C均值聚类(FCM算法)相结合的图像分割方法。首先用ExRG法对图像的背景进行剔除,得到待分割幼叶的主体区域,对图像进行预处理。其次建立数据集,训练网络模型,用预训练的U-Net模型分割幼叶主体区域,提取其过渡区域;同时用FCM算法分割幼叶主体区域,提取其过渡区域。然后结合FCM算法分割得到的过渡区域和U-Net模型分割得到的过渡区域,得到重叠叶片的最终分割结果。最后,为了得到精准的评估结果,将重新连接的过渡区域进行填充,并与其他文献所述的算法进行对比分析。结果表明,所提出的基于U-net模型和FCM算法对穴盘苗幼叶轮廓分割的结果更加准确,泛化性更强。证明对番茄幼苗叶片图像分割的有效性,为幼苗生长状况的检测研究提供了支持。 展开更多
关键词 穴盘苗幼叶 u-net模型 FCM算法 图像分割 结合分割
在线阅读 下载PDF
U-Net模型对不同空间分辨率防护林提取精度的影响 被引量：3
19
作者 王学文 赵庆展 +2 位作者 田文忠 龙翔 江萍 《测绘通报》 CSCD 北大核心 2021年第6期39-43,共5页
针对当前无人机影像获取精度高但数据规模小的问题,本文提出通过U-Net模型探讨不同空间分辨率对防护林提取精度的影响。以CW-20复合翼无人机搭载Micro MAC12 Snap多光谱传感器获取的300 m(空间分辨率0.15 m)、400 m(空间分辨率0.20 m)、... 针对当前无人机影像获取精度高但数据规模小的问题,本文提出通过U-Net模型探讨不同空间分辨率对防护林提取精度的影响。以CW-20复合翼无人机搭载Micro MAC12 Snap多光谱传感器获取的300 m(空间分辨率0.15 m)、400 m(空间分辨率0.20 m)、500 m(空间分辨率0.25 m)3种不同高度的遥感影像为例,试验结果证明,3种不同高度的影像提取精度误差在1.3%以内;MIoU误差在3.7%以内。空间分辨率对防护林提取精度的影响较小,高空间分辨率的影像数据并不能显著提升防护林的提取精度。本文为大规模农林业遥感监测的数据源获取提供了理论依据。 展开更多
关键词 无人机 多光谱影像 空间分辨率 防护林提取 u-net模型
在线阅读 下载PDF
基于U-Net模型的无人机影像数据地表覆被信息自动提取研究 被引量：3
20
作者 张祖宇 滕永核 +2 位作者 秦元丽 廖超明 凌子燕 《广西林业科学》 2022年第4期516-519,共4页
基于深度学习和无人机获取的高分辨率影像是快速提取林地等地表覆被空间信息的一种新方法。为给后续的林地覆被空间信息自动提取提供技术参考,以南宁市上林县某村的甘蔗(Saccharum officinarum)种植区为研究对象,采用UNet模型对研究区... 基于深度学习和无人机获取的高分辨率影像是快速提取林地等地表覆被空间信息的一种新方法。为给后续的林地覆被空间信息自动提取提供技术参考,以南宁市上林县某村的甘蔗(Saccharum officinarum)种植区为研究对象,采用UNet模型对研究区无人机正射影像进行甘蔗种植区的空间位置信息提取。针对目标区域样本数据缺少的问题,首先采用数据增广方式对训练数据集进行增广,然后采用迁移学习的方法在开源数据集预训练U-Net模型,最后利用预训练UNet模型对研究区的影像数据进行训练和测试。结果表明,该方法从正射影像中提取甘蔗种植区空间位置信息的准确率、精确率和召回率分别为98.34%、93.10%和89.21%,不受甘蔗种植区分布密集程度的影响。 展开更多
关键词 无人机影像 深度学习 u-net模型 空间位置信息提取
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 4 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部