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200,321篇文章
< 1 2 … 250 >
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：
基于多尺度特征提取的U-Net网络微地震定位方法
1
作者 黄建平 王秋阳 +6 位作者 李媛媛 黎国龙 苏来源 路依霖 李三福 段文胜 雷刚林 《中国石油大学学报(自然科学版)》 北大核心 2026年第1期1-11,共11页
微地震定位是微地震监测的核心任务,面对当前海量的地震数据,传统的定位方法已无法满足实时定位的需求。为此,利用深度学习技术,提出一种基于U-Net网络为主要架构的微地震震源定位方法,通过融合双交叉注意力模块和空间空洞金字塔池化模... 微地震定位是微地震监测的核心任务,面对当前海量的地震数据,传统的定位方法已无法满足实时定位的需求。为此,利用深度学习技术,提出一种基于U-Net网络为主要架构的微地震震源定位方法,通过融合双交叉注意力模块和空间空洞金字塔池化模块,增强网络对微震数据中波形特征的提取能力,提升震源位置预测精度。最后,利用简单层状和复杂速度模型生成合成数据进行实验测试,并与U-Net和Att-Unet网络对震源位置预测误差精度进行对比分析。结果表明,所构建的网络模型在震源预测精度以及网络性能上均优于其他网络模型,并且对低信噪比的微地震数据也有较好的预测效果。 展开更多
关键词 微震定位 水力压裂 多尺度特征提取 u-net网络 注意力机制
在线阅读 下载PDF
基于改进U-Net的铜合金晶界识别方法
2
作者 靖青秀 刘卫辉 +4 位作者 常琪琪 谢伟滨 张志聪 吴瑞洋 黄晓东 《有色金属(中英文)》 北大核心 2026年第2期198-206,共9页
晶粒度评级精度高度依赖于准确的晶粒尺寸与形状表征,而晶界分割是界定晶粒范围的关键预处理步骤。针对铜合金显微图像中晶界对比度低、边缘模糊导致的检测困难,以及现有高精度分割算法参数量大、计算复杂度高、难以满足工业实时检测需... 晶粒度评级精度高度依赖于准确的晶粒尺寸与形状表征,而晶界分割是界定晶粒范围的关键预处理步骤。针对铜合金显微图像中晶界对比度低、边缘模糊导致的检测困难,以及现有高精度分割算法参数量大、计算复杂度高、难以满足工业实时检测需求等问题,本文提出一种基于MobileNetV2的轻量化U-Net改进方法。通过将MobileNetV2作为主干网络解决特征丢失问题,并引入集成深度可分离卷积的ASPP模块,有效增强了多尺度语义特征提取能力。实验结果表明,改进后的模型在保持轻量化的同时,在晶界分割任务中取得了mIOU 87.66%、精确率93.50%、平均像素准确率92.79%的优异性能,显著优于传统U-Net模型,为工业现场实时晶界识别提供了可靠解决方案。 展开更多
关键词 铜合金 晶粒度 深度学习 u-net 轻量化
在线阅读 下载PDF
基于VAC-U-Net的盐体识别方法
3
作者 邓健志 黄磊 熊彬 《石油物探》 北大核心 2026年第3期478-492,共15页
精确定位地下盐体结构对于油气资源的高效勘探与开采具有重要意义。传统深度学习方法在盐体边界识别精度和细节还原等方面仍存在不足。为提升盐体识别精度,提出了一种基于改进型U-Net架构的VAC-U-Net模型。该模型以VGG16网络前13个卷积... 精确定位地下盐体结构对于油气资源的高效勘探与开采具有重要意义。传统深度学习方法在盐体边界识别精度和细节还原等方面仍存在不足。为提升盐体识别精度,提出了一种基于改进型U-Net架构的VAC-U-Net模型。该模型以VGG16网络前13个卷积层作为编码器提取图像特征,融入带残差连接机制的空洞空间金字塔池化(ASPP)模块,增强了多尺度上下文信息的捕获能力。然后,引入融合了通道、空间与像素三级注意力机制的内容引导注意力融合模块(CGAFusion),从而有效集中关键区域与边界特征的多层信息整合,提升高低层语义信息的交互能力。最后,通过多级上采样与解码结构实现盐体分割。在TGS盐体分割数据集上进行验证,交并比为85.49%,像素准确率为96.21%,F1分数为91.84%,在像素精度和边界还原方面相较于原始模型均有显著提高,表现出更好的鲁棒性和泛化能力,为地下盐体识别提供了有效的技术支撑。 展开更多
关键词 油气勘探 盐体识别 深度学习 u-net 注意力机制 特征融合
在线阅读 下载PDF
双注意力引导的U-Net++遥感图像语义分割模型
4
作者 刘春娟 辛钰强 +1 位作者 吴小所 闫浩文 《北京航空航天大学学报》 北大核心 2026年第5期1366-1377,共12页
利用语义分割算法为遥感图像中的像素赋予地物类别标签是遥感图像智能解译中的重要内容。针对高分辨率遥感图像中不同地物类别之间尺度差异大且场景复杂导致的物体边缘分割不完整、小尺度物体分割精度低的问题,提出双注意力引导的U-Net+... 利用语义分割算法为遥感图像中的像素赋予地物类别标签是遥感图像智能解译中的重要内容。针对高分辨率遥感图像中不同地物类别之间尺度差异大且场景复杂导致的物体边缘分割不完整、小尺度物体分割精度低的问题,提出双注意力引导的U-Net++语义分割模型。在网络的编码阶段构建双分支骨干网络提取特征,利用互注意力捕捉不同尺度特征图像素之间的依赖关系,自适应地融合相同网络深度的不同尺度特征,提升对小尺度物体的关注度;在网络的解码阶段引入空间与通道混合的注意力机制,缩小不同深度子解码器输出之间的语义差距,同时融合其中不同层次的语义信息和空间位置表征,解决复杂场景下精细分割的问题。实验结果表明:所提算法在Potsdam数据集与Vaihingen数据集上的平均交并比(mIoU)分别达到了86.77%与82.73%,F1分数的均值分别达到了92.32%与90.79%,整体性能显著优于U-Net++、FarSeg、DMAU-Net、SAPNet等对比算法,且对小尺度物体的分割性能有明显提升。 展开更多
关键词 遥感图像 语义分割 u-net++ 注意力机制 小尺度物体
在线阅读 下载PDF
基于改进U-Net网络和知识蒸馏的三维断层识别方法
5
作者 王莉利 梁云虎 高新成 《石油物探》 北大核心 2026年第1期21-30,共10页
深度学习方法在三维地震资料断层识别中得到了广泛应用,但方法的应用面临数据集质量欠佳、资源消耗过高以及训练周期长等问题。为此,提出了一种融合改进U-Net网络和知识蒸馏的三维断层识别方法。该方法先将改进的U-Net网络模型作为教师... 深度学习方法在三维地震资料断层识别中得到了广泛应用,但方法的应用面临数据集质量欠佳、资源消耗过高以及训练周期长等问题。为此,提出了一种融合改进U-Net网络和知识蒸馏的三维断层识别方法。该方法先将改进的U-Net网络模型作为教师模型,将空洞空间金字塔池化(ASPP)结构与U-Net网络模型相融合,构建轻量级学生模型,然后引入知识蒸馏技术对学生模型进行优化,并调整网络训练超参数和知识蒸馏损失参数,使学生模型获取更丰富的断层信息,提升学生模型的网络性能。该方法通过将复杂的教师模型的知识迁移到轻量级学生模型,显著降低了模型的计算复杂度,同时保持了较高的识别精度。测试结果表明,在合成测试集和实际地震数据的断层识别中,经过知识蒸馏训练的学生模型在识别精度和连续性上均优于未经过蒸馏的学生模型和单独训练的教师模型,充分验证了方法的可行性和有效性。 展开更多
关键词 断层识别 知识蒸馏 u-net 教师模型 学生模型
在线阅读 下载PDF
基于改进的U-Net网络的河道砂岩自动识别方法
6
作者 张玉玺 缪志伟 +1 位作者 李世凯 孙均 《石油物探》 北大核心 2026年第3期493-505,共13页
致密河道砂岩储层是陆相盆地中重要的储层类型之一,是油气聚集成藏的有利场所。但由于河道发育期次多、砂体叠置关系复杂、横向变化快,常规技术难以精细刻画河道砂体的三维空间展布。为此,提出了一种基于改进U-Net网络的深度学习河道砂... 致密河道砂岩储层是陆相盆地中重要的储层类型之一,是油气聚集成藏的有利场所。但由于河道发育期次多、砂体叠置关系复杂、横向变化快,常规技术难以精细刻画河道砂体的三维空间展布。为此,提出了一种基于改进U-Net网络的深度学习河道砂岩自动识别方法。首先,基于地震沉积学理论,在时间域结合沉积旋回特征对地震数据进行Wheeler变换,以准确识别砂体的叠置关系,为模型训练获取高质量样本;然后,在U-Net网络结构中引入级联空洞卷积模块和空间注意力机制,以提高网络对不同尺度河道特征的提取能力,改善难以精准刻画叠置窄细河道边界的问题;最后,利用适用于河道特征的数据增广方法自动生成大量训练样本,并完成模型的训练与测试。实际应用结果表明,利用基于改进U-Net网络的河道砂岩自动识别方法能够有效提升多期叠置河道边界的识别精度,实现河道三维空间展布的刻画及期次剥离,为河道致密砂岩储层评价与勘探部署提供了技术支撑。 展开更多
关键词 深度学习 改进u-net网络 河道砂岩自动识别 期次剥离 三维空间雕刻
在线阅读 下载PDF
融合对抗自编码器和U-net的非侵入式负荷分解方法
7
作者 王凌云 朱倍萱 +1 位作者 张涛 罗明天 《电力系统及其自动化学报》 北大核心 2026年第2期59-68,共10页
为了提高非侵入式负荷分解模型的分解效果和泛化性能,并针对现有生成式模型在非侵入式负荷分解任务中存在的一些局限性,提出一种引入变分推理思想和联合对抗机制的对抗自编码器非侵入式负荷分解方法。为保证负荷分解的实时性,采用序列... 为了提高非侵入式负荷分解模型的分解效果和泛化性能,并针对现有生成式模型在非侵入式负荷分解任务中存在的一些局限性,提出一种引入变分推理思想和联合对抗机制的对抗自编码器非侵入式负荷分解方法。为保证负荷分解的实时性,采用序列到序列映射模型。基于U-net框架构建对抗自编码器模型,在编码器与解码器之间添加跳跃连接,使模型可以同时捕获电器特征的局部细节和全局信息,实现多特征融合,避免特征丢失,同时引入实例-批归一化网络,提高模型的分解性能以及泛化性能。最后将所提模型与几种代表性模型在UK-DALE数据集上进行对比实验。结果表明:所提模型具有优秀的分解性能和泛化能力,并且更加轻量化。 展开更多
关键词 非侵入式负荷分解 对抗自编码器 深度学习 序列到序列 u-net 实例-批归一化
在线阅读 下载PDF
基于U-Net模型的矿井电阻率反演方法研究
8
作者 胡运兵 王胡日查 +2 位作者 易洪春 段天柱 崔少北 《矿业安全与环保》 北大核心 2026年第1期185-192,共8页
针对矿井电阻率反演中传统方法依赖初始模型、边界模糊及现有深度学习反演存在伪影干扰的问题,提出物理约束的U-Net反演方法。该方法融合电性敏感特性与深度聚焦机制,基于U-Net网络的多尺度特征融合架构构建加权交叉熵损失函数,通过编... 针对矿井电阻率反演中传统方法依赖初始模型、边界模糊及现有深度学习反演存在伪影干扰的问题,提出物理约束的U-Net反演方法。该方法融合电性敏感特性与深度聚焦机制,基于U-Net网络的多尺度特征融合架构构建加权交叉熵损失函数,通过编码器—解码器跳跃连接实现异常体与背景场的电性差异强化;基于三类典型异常体定义电阻率分布的参数化空间,采用有限元法对6000组模型进行正演计算,通过偶极—偶极装置获取视电阻率剖面数据,构建地质模型—电性响应匹配数据集并用于监督学习训练。实验结果表明:该方法Dice系数为0.950±0.018,单次反演耗时由传统最小二乘反演方法的65.2 s降至1.0 s,效率提升98.5%。通过物理先验与深度学习的协同优化,为煤矿水害隐蔽致灾体精准探测提供了解决方案。 展开更多
关键词 矿井电阻率反演 u-net 深度学习反演 矿井水害 工作面 物理约束
在线阅读 下载PDF
基于改进U-Net的人工光植物工厂生菜图像分割方法
9
作者 李文豪 金文帅 +3 位作者 高晟 薛岳 毛罕平 左志宇 《农机化研究》 北大核心 2026年第6期157-163,共7页
针对植物工厂内作物在人工光环境下图像分割精度不足的问题,提出了一种改进的U-Net神经网络模型,以实现对作物图像的高精度分割。首先通过对比试验,系统比较了传统图像分割方法(如阈值、聚类和区域等)与神经网络方法在人工光环境下的分... 针对植物工厂内作物在人工光环境下图像分割精度不足的问题,提出了一种改进的U-Net神经网络模型,以实现对作物图像的高精度分割。首先通过对比试验,系统比较了传统图像分割方法(如阈值、聚类和区域等)与神经网络方法在人工光环境下的分割效果,结果表明:与传统方法相比,U-Net神经网络在分割精度和模型稳定性方面具有明显优势。然而,进一步分析U-Net模型的分割结果发现,其在复杂光照条件下的分割精度和泛化能力仍有提升空间,主要体现在边界细节处理和小目标分割的准确性不足。为此,针对性地提出3种改进策略:一是通过数据增强技术扩展训练数据集,以提升模型的鲁棒性;二是对U-Net模型的结构进行优化,改进金字塔结构以增强多尺度特征融合能力;三是采用坐标注意力机制,有效提升模型对目标区域的聚焦能力,特别是在背景复杂或光线不均的情况下。基于此,进行试验验证,结果表明:结合改进金字塔结构和坐标注意力机制的U-Net模型在分割平均精确率和平均交并比上分别达到98.19%和96.86%,相比原始U-Net模型分别提高了4.01、3.02个百分点。所提方法显著改善了人工光环境下对植物工厂作物的图像分割性能,为植物工厂内作物生长监测与精准信息采集提供了技术支持,同时为未来智能农业领域的相关研究奠定了基础。 展开更多
关键词 生菜图像分割 植物工厂 人工光 改进u-net 注意力机制 神经网络
在线阅读 下载PDF
DBU-Net:基于改进SAM的双分支U-Net图像隐写方法
10
作者 周倩 朱梦月 王帆 《南京邮电大学学报(自然科学版)》 北大核心 2026年第1期124-134,共11页
基于深度学习的图像隐写术通过引入空间注意力机制使得模型关注图像的重要区域,但主流方法通常依赖固定结构的卷积模块生成单一的注意力权重矩阵,对局部细节特征关注度不足,导致信息隐藏未能与纹理复杂度充分关联。针对上述问题,提出了... 基于深度学习的图像隐写术通过引入空间注意力机制使得模型关注图像的重要区域,但主流方法通常依赖固定结构的卷积模块生成单一的注意力权重矩阵,对局部细节特征关注度不足,导致信息隐藏未能与纹理复杂度充分关联。针对上述问题,提出了一种基于改进空间注意力机制的双分支U-Net图像隐写方法DBU-Net。该方法首先引入改进的空间注意力机制对载体图像进行区域划分。其次采用差异化的信息隐藏,其中,高纹理分支采用更深层次和多尺度的卷积模块进行特征提取,同时在特征融合时被赋予更高权重,低纹理分支则采用浅层和固定卷积进行特征提取,且在特征融合时权重较低。在不同数据集上的大量对照实验结果表明,相较于现有的先进图像隐写方法,所提的DBU-Net在隐写质量、隐写不可见性和安全性方面均取得了显著的性能提升。 展开更多
关键词 图像隐写术 u-net 分支网络 空间注意力机制
在线阅读 下载PDF
基于SDP图像转换和融合自注意力机制U-net神经网络的电机故障诊断
11
作者 徐丽 周腊吾 +3 位作者 龙卓 周子靖 周宇微 吴子豪 《中国测试》 北大核心 2026年第2期162-174,共13页
为攻克电机系统故障特征提取困难及小样本数据难以满足模型训练需求的难题,研究一种高效精准的电机故障诊断方法。提出融合参数优化对称点模式(SDP)与语义分割模型U-net的诊断方案,先利用SDP分析电机三相振动信号,将故障特征转化为SDP图... 为攻克电机系统故障特征提取困难及小样本数据难以满足模型训练需求的难题,研究一种高效精准的电机故障诊断方法。提出融合参数优化对称点模式(SDP)与语义分割模型U-net的诊断方案,先利用SDP分析电机三相振动信号,将故障特征转化为SDP图像,经对称性反色操作增强特征信号,再对生成图像进行数据泛化扩充,输入Unet网络上下采样处理,最后通过多层感知机完成故障分类。在0 HP、1 HP和2 HP三种负载工况下,对正常电机、断条电机、单相断路电机和转子错位电机进行测试,改进后的U-net模型故障诊断准确率超98%。实验表明,该方法有效解决电机故障诊断中的特征提取与小样本难题,在多种故障场景中展现出优异性能与可靠的诊断能力。 展开更多
关键词 电机故障诊断 对称点模式 扩散模型 u-net神经网络 自注意力机制 多层次感知机
在线阅读 下载PDF
融合多源特征与注意力机制的改进U-Net鱼鳞坑遥感提取方法
12
作者 魏敬志 黄骁力 +4 位作者 江岭 梁明 张大鹏 王莎莎 宋音 《农业工程学报》 北大核心 2026年第2期214-224,共11页
鱼鳞坑是黄土高原典型的小型水土保持措施,由于其尺度小、分布不均,传统卫星遥感方法难以实现高精度识别。为此,该研究提出一种融合多源特征与注意力机制的深度学习鱼鳞坑遥感提取方法,构建了“特征重要性分析+注意力增强U-Net结构设计... 鱼鳞坑是黄土高原典型的小型水土保持措施,由于其尺度小、分布不均,传统卫星遥感方法难以实现高精度识别。为此,该研究提出一种融合多源特征与注意力机制的深度学习鱼鳞坑遥感提取方法,构建了“特征重要性分析+注意力增强U-Net结构设计”的技术框架。基于无人机获取的高分辨率多光谱影像与数字高程模型(digital elevation model,DEM),该研究综合运用Spearman相关系数与SHAP(Shapley additive explanations)可解释性分析方法,对光谱与地形特征进行重要性评估与冗余剔除,最终优选出4类关键特征,并据此设计了9种特征组合方案。在此基础上,采用UNet、DeepLabV3+、SegNet与FCN四种语义分割模型开展对比试验,结果表明以RGB+Slope的特征组合方案在UNet模型中识别效果最优。在模型结构方面,该研究以U-Net为基础,融合金字塔压缩注意力模块(pyramid squeeze attention module,PSAM)与多级特征注意力上采样模块(multi-scale feature attention upsampling module,MFAU),增强模型对鱼鳞坑边缘与空间结构的感知能力,并设计消融试验验证改进效果。试验结果表明,在最优特征组合的数据输入下,改进模型在测试区交并比提升2.47个百分点,F1分数提升1.34个百分点,召回率提升2.72个百分点,精确率提升1.02个百分点,表现出良好的提取精度与区域泛化能力。研究表明,特征重要性分析与注意力增强结构设计的融合策略可有效提升模型对小尺度地貌目标的识别性能,为鱼鳞坑等微地形构筑物的高精度遥感提取提供技术支撑,也为多源信息融合与深度学习模型构建提供了理论参考。 展开更多
关键词 无人机 遥感 语义分割 鱼鳞坑提取 u-net改进 注意力机制
在线阅读 下载PDF
基于改进U-Net的冷冻电镜图像去噪方法
13
作者 邓竞 曾安 金亮 《计算机应用与软件》 北大核心 2026年第1期241-248,共8页
针对冷冻电镜图像信噪比极低,并且现有去噪方法不能有效去掉复杂噪声的问题,提出一种基于改进U-Net的冷冻电镜图像去噪方法。改进方法用FCN(Fully Convolutional Networks)搭建噪声映射模块,并在原始U-Net网络中嵌入多尺度联接和宽激活... 针对冷冻电镜图像信噪比极低,并且现有去噪方法不能有效去掉复杂噪声的问题,提出一种基于改进U-Net的冷冻电镜图像去噪方法。改进方法用FCN(Fully Convolutional Networks)搭建噪声映射模块,并在原始U-Net网络中嵌入多尺度联接和宽激活密集残差块,既能提高网络的泛化能力又使模型能更好地提取和恢复特征信息,从而实现高质量的冷冻电镜图像去噪;全变差损失函数的引入用来保护输出图像中的颗粒细节信息。实验结果表明,相较于对比方法,该方法在有效去除背景噪声同时能更好地恢复颗粒细节,信噪比(Signal to Noise Ratio,SNR)也是最优,并且颗粒挑选阳性数量也得到提升。 展开更多
关键词 图像去噪 冷冻电镜 u-net FCN
在线阅读 下载PDF
基于U-Net的花生网纹分割与品种识别
14
作者 巩秀钇 踪姿艳 +6 位作者 付华宇 张贺 纪翔 朱春雨 王聪 赵延伸 韩仲志 《花生学报》 北大核心 2026年第1期23-33,共11页
花生是我国重要的油料作物,不同品种花生在生长特性、产量潜力和抗逆性等方面存在显著差异。网纹作为花生荚果的独特纹理特征,在形态、密度和分布上具有显著的品种特异性,是DUS测试的重要荚果性状,但现有研究对此利用不足。因此,本研究... 花生是我国重要的油料作物,不同品种花生在生长特性、产量潜力和抗逆性等方面存在显著差异。网纹作为花生荚果的独特纹理特征,在形态、密度和分布上具有显著的品种特异性,是DUS测试的重要荚果性状,但现有研究对此利用不足。因此,本研究提出基于U-Net模型的花生网纹分割与多模态特征融合的品种识别框架。U-Net模型在对13个花生品种的网纹分割任务中表现优异,平均交并比为75.9%、准确率为89.2%,显著优于其他现有基础模型。进一步提取网纹图像的16个PCA降维特征,结合形态与颜色特征构建多模态数据集,采用SVM分类器实现品种识别,准确率达90.15%,较花生纹理、形态和颜色特征结合提升4.44%。研究首次证实花生网纹作为DUS测试性状的有效性,突破传统形态学的分析局限,为花生表型组学研究提供了可解释的方法,对推动精准育种和种质资源保护具有重要意义。 展开更多
关键词 花生网纹 DUS性状 u-net 图像分割 品种识别
在线阅读 下载PDF
基于CBAM U-Net模型的成都X波段相控阵雷达降水估计
15
作者 周聪 张成宏 +1 位作者 董元昌 张涛 《高原气象》 北大核心 2026年第3期691-704,共14页
强降水事件的频发对城市防灾减灾提出了严峻挑战,精细化高时空分辨率定量降水估计(Quantitative Precipitation Estimation,QPE)对强降水过程的监测有重要意义,具备高时空分辨率探测资料的X波段相控阵雷达为开展高精度QPE的研究提供了... 强降水事件的频发对城市防灾减灾提出了严峻挑战,精细化高时空分辨率定量降水估计(Quantitative Precipitation Estimation,QPE)对强降水过程的监测有重要意义,具备高时空分辨率探测资料的X波段相控阵雷达为开展高精度QPE的研究提供了有力的数据支撑。由于传统雷达QPE方法缺乏非线性映射能力和动态自适应学习机制等局限性,本研究提出了一种基于CBAM U-Net模型的分钟雨量QPE方法。该模型通过嵌入通道—空间注意力CBAM模块增强对关键降水区域及特征通道的学习能力,并在模型数据样本中添加时间维以优化雷达与地面雨量计数据的时间匹配。利用2023-2024年7-9月成都平坝地区四部X波段相控阵雷达基数据,构建模型训练集和测试集,并结合学习率预热与余弦退火策略优化训练过程,不仅加快收敛速度,且鲁棒性更强。为评估模型效果,采用回归评估(CC、R_(MSE)、R_(MAE)、R_(MB))与分类评估(POD、FAR、CSI)指标对CBAM U-Net、Attention U-Net、U-Net与两个R(ZH)关系式的降水估计结果进行对比分析。结果表明,在整体的误差指标和稳定性方面,深度学习模型显著优于传统Z-R关系。模型中,CBAM U-Net表现最佳(CC=0.665,R_(MSE)=0.331 mm·min^(-1),R_(MAE)=44.651%,R_(MB)=7.324%),Attention U-Net次之,而U-Net则存在明显的低估现象。在多阈值分类评估中,CBAM U-Net对短时强降水阈值(0.34 mm·min^(-1),对应小时雨强20 mm·h^(-1))和橙色暴雨预警信号阈值(0.67 mm·min^(-1),对应小时雨强40 mm·h^(-1))的临界成功指数(CSI)分别达0.655和0.485,较Attention U-Net(0.609和0.408)与U-Net(0.537和0.160)显著提升。个例分析进一步验证了CBAM U-Net具备更强的时序变化特征追踪能力:在2024年9月10日“脉冲式”降水过程中,CBAM U-Net精准定位降水曲线波峰、波谷的位置,良好地刻画了降水时序变化的特征,较U-Net和Attention U-Net表现更优;在2024年9月29日稳定性降水过程中,CBAM U-Net准确勾勒出降水变化的整体趋势,但对分钟雨量0.1~0.2 mm·min^(-1)微小波动的敏感性不足。CBAM模块通过双重注意力机制,有效提升了模型对强降水时序变化特征的捕捉能力,但受限于深度学习模型系统性平滑的特性,对分钟雨量≥1.17 mm·min^(-1)的极端强降水仍存在明显低估。 展开更多
关键词 雷达QPE X波段相控阵雷达 短时强降水 深度学习 CBAM u-net模型
在线阅读 下载PDF
基于U-Net架构和无人机航拍传感器的公路图像裂缝检测
16
作者 陈巍 陈恳 朱文耀 《传感器与微系统》 北大核心 2026年第2期161-166,共6页
针对当前模型对公路裂缝检测不精确的问题,提出了一种基于无人机(UAV)航拍传感器遥感图像的智能检测方法。基于U-Net架构,结合深度可分离残差块(DR-Block)、空间金字塔融合注意力模块(SPFAM)和感受野块(RFB),提出DAR-Unet逐像素裂缝检... 针对当前模型对公路裂缝检测不精确的问题,提出了一种基于无人机(UAV)航拍传感器遥感图像的智能检测方法。基于U-Net架构,结合深度可分离残差块(DR-Block)、空间金字塔融合注意力模块(SPFAM)和感受野块(RFB),提出DAR-Unet逐像素裂缝检测模型。利用无人机采集1 046张高质量公路遥感图像构建专用数据集。在自制数据集上,DAR-Unet的平均交并比(mIoU)和F1分数分别达到76.41%和74.24%,高于主流模型。进一步将模型与无人机集成,构建了公路裂缝检测物联网系统,实际测试表现优异,验证了DAR-Unet在遥感图像公路裂缝检测中的有效性。 展开更多
关键词 无人机 航拍传感器 遥感图像 公路裂缝检测 u-net架构
在线阅读 下载PDF
基于改进U-Net的深水网箱网衣结节及纲线识别方法
17
作者 王锦 李根 +3 位作者 丁木 李振华 袁太平 黄小华 《南方水产科学》 北大核心 2026年第2期16-26,共11页
针对深海网箱养殖中水下网衣清洗机器人视觉导航与网衣维护的迫切需求,提出一种基于U-Net模型改进的网衣结构特征识别方法。该方法通过分割网衣关键结构特征——网线交点(简称结节)与纲线,为水下网衣清洗机器人提供可靠的视觉定位基准... 针对深海网箱养殖中水下网衣清洗机器人视觉导航与网衣维护的迫切需求,提出一种基于U-Net模型改进的网衣结构特征识别方法。该方法通过分割网衣关键结构特征——网线交点(简称结节)与纲线,为水下网衣清洗机器人提供可靠的视觉定位基准和路径跟踪依据,同时辅助网衣破损污损的检测。具体而言,通过水下网衣清洗机器人采集网衣图像数据,并对网衣结节和纲线进行标注,构建网衣结构特征数据集。以轻量级语义分割模型U-Net为基线模型,创新性集成空洞空间金字塔池化(Atrous Spatial Pyramid Pooling,ASPP)与交叉注意力机制(Criss-Cross Attention,CCA),强化模型对网衣结构特征的语义表达能力;同时设计适配网衣结构特征的专项评价指标。系统对比结果表明,改进模型在网衣数据集上表现最优,其中结节Dice系数为0.60、F1分数为0.92,纲线Dice系数为0.74、F1分数为0.62,显著优于基线模型。该方法可为后续网衣结节和纲线的跟踪研究提供参考。 展开更多
关键词 深海网箱养殖 网衣特征识别 水下机器人定位 u-net模型 深度学习
在线阅读 下载PDF
基于改进U-Net与RGB-D图像的青花椒枝条“下桩”剪切点定位
18
作者 蒲应俊 张文州 +3 位作者 李金广 赵立军 陈子文 杨明金 《农业工程学报》 北大核心 2026年第1期160-170,共11页
青花椒枝条“下桩”是通过剪下带鲜果的枝条并保留一定长度短桩的采摘收获方法。为实现青花椒采摘机器人精准识别枝条并确定最佳剪切点以达到高效“下桩”作业,该研究提出了一种基于U-Net深度学习网络和RGB-D相机相结合的青花椒主枝“... 青花椒枝条“下桩”是通过剪下带鲜果的枝条并保留一定长度短桩的采摘收获方法。为实现青花椒采摘机器人精准识别枝条并确定最佳剪切点以达到高效“下桩”作业,该研究提出了一种基于U-Net深度学习网络和RGB-D相机相结合的青花椒主枝“下桩”剪切点定位方法。首先,通过改进传统U-Net模型,将其主干网络替换为嵌入CA注意力机制的ResNet50网络,同时在U-Net模型的特征拼接阶段中增加SE注意力机制,从而构建针对青花椒主枝和树干的分割模型。然后,将分割后的图像利用二值化与骨架线提取方法得到主枝中心线,结合RGB-D相机的深度信息与OpenCV图像处理算法,完成世界坐标系与像素坐标系间长度的映射。随后,将短桩预设的40 mm长度从世界坐标系映射至RGB图像中的像素长度,最终确定每根主枝的“下桩”剪切点位置。试验结果表明,改进后的U-Net模型在分割性能上优于DeeplabV3+和PSPNet,平均交并比(MIoU)、平均像素准确率(mPA)和召回率(recall)分别达到87.58%、93.76%和96.24%。在晴天顺光、逆光及阴天条件下,“下桩”剪切点识别定位的成功率分别达到90.81%、84.88%、80.52%。采摘点定位试验中,定位成功率为90%,单根花椒枝平均识别过程耗时1.93 s。该研究结果可为青花椒采摘机器人“下桩”采收提供技术支撑。 展开更多
关键词 图像处理 青花椒 采摘 u-net网络模型 下桩采摘法 剪切点定位
在线阅读 下载PDF
基于多通道U-Net的室内电磁波传播路径损耗预测方法
19
作者 关策 宋欣蔚 岳云涛 《电波科学学报》 北大核心 2026年第1期79-88,共10页
精准高效的室内电磁波传播预测是无线通信系统规划与优化的关键基础。传统的方法在高频段因电磁波传播特性复杂、计算复杂度剧增,难以满足实时性需求;而现有深度学习模型在高频段适配性与预测精度上也存在一定的局限性。本文提出一种多... 精准高效的室内电磁波传播预测是无线通信系统规划与优化的关键基础。传统的方法在高频段因电磁波传播特性复杂、计算复杂度剧增,难以满足实时性需求;而现有深度学习模型在高频段适配性与预测精度上也存在一定的局限性。本文提出一种多通道U-Net的深度学习预测模型(mU-Net),其将天线方向特性、反射通道贡献、透射通道贡献及自由空间路径损耗(free space path loss, FSPL)分别建模为4个独立特征通道,通过多通道输入U-Net网络捕捉不同传播机制的差异化影响,mU-Net非对称编码器-解码器结构进一步融合多源特征,解析复杂结构散射与绕射细节,从而输出高分辨率路径损耗(path loss, PL)预测图。该模型能深度融合高频段特征信息,解决了现有方法实时性差、精度不足的问题。3种场景下的PL预测结果显示,所提出的mU-Net模型在精度、结构相似性及预测效率等关键指标上均显著优于现有的典型预测方法,在高频段场景下性能提升尤为明显,为高频段室内电磁波传播预测提供了兼具高精度与高效率的解决方案。 展开更多
关键词 室内电磁波传播 路径损耗(PL) 高频段 深度学习 多通道 u-net
在线阅读 下载PDF
基于SAM2-U-Net和半监督学习的注塑制品缺陷检测方法
20
作者 杨洪于 朱旭东 +2 位作者 宋帅 张嗣昌 杨卫民 《精密成形工程》 北大核心 2026年第4期206-212,共7页
目的为提升深度学习方法在注塑制品缺陷检测过程中的准确性与鲁棒性,减少对高质量标注数据的依赖,构建了一种能够融合通用视觉知识与特定任务特征的缺陷检测方法。方法利用SAM2从大规模自然图像数据中所学习的视觉先验知识,采用Adapter... 目的为提升深度学习方法在注塑制品缺陷检测过程中的准确性与鲁棒性,减少对高质量标注数据的依赖,构建了一种能够融合通用视觉知识与特定任务特征的缺陷检测方法。方法利用SAM2从大规模自然图像数据中所学习的视觉先验知识,采用Adapter适配器实现高效的参数微调,以捕捉注塑制品缺陷的特定特征,同时,结合U-Net解码结构,实现对注塑制品缺陷区域的高精度语义分割。采用半监督辅助训练策略,引入无缺陷样本增强模型的泛化能力。结果与现有主流分割方法相比,采用本文提出的缺陷检测方法显著提升了模型的分割性能。其中,m IoU指标提高了7.13%、Recall指标提高了7.87%、PA指标提高了0.67%、m Precision指标提高了4.83%。结论在缺陷样本稀缺的情况下,采用本文提出的SAM2与U-Net融合的缺陷检测模型和半监督辅助训练策略,显著提升了注塑制品缺陷检测的性能,减少了对高质量标注数据的依赖,该检测方法在塑料制品行业具有良好的应用价值。 展开更多
关键词 注塑制品 缺陷检测 语义分割 半监督学习 Segment Anything Model(SAM2) u-net
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 … 250 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
版权所有© 2001-2026 渝B2-20050021-1渝公网安备 50019002500403号
使用帮助 返回顶部