基于改进U-Net神经网络的独栋建筑屋顶可建光伏区域提取方法

1

作者 赵睿恺 欧阳森 谢运祥 《电子设计工程》 2025年第9期1-6,共6页

针对屋顶光伏目前呈现规模化接入配电网的趋势,光伏容量的准确计算变得愈发重要。为解决独栋屋顶数据缺乏的问题,利用无人机航拍照片自制了屋顶异物信息清晰且分类明确的高精度屋顶数据集;为了有效剔除屋顶异物,以分割精度较高的U-Net... 针对屋顶光伏目前呈现规模化接入配电网的趋势,光伏容量的准确计算变得愈发重要。为解决独栋屋顶数据缺乏的问题,利用无人机航拍照片自制了屋顶异物信息清晰且分类明确的高精度屋顶数据集;为了有效剔除屋顶异物,以分割精度较高的U-Net为基准,融合AG注意力机制和双层特征金字塔FPN,从而将注意力集中于感兴趣区域,更好地剔除屋顶异物;为了避免小样本输入下的过拟合问题,在卷积层后引入循环残差卷积模块,设计了能够更高效、准确获取可建光伏区域的R2AttU-Net网络;设计消融实验证明了文中改进的R2AttU-Net在准确度、交并比、F1分数等指标上均有显著提升,并完成了对预测区的屋顶可建光伏区域的提取。 展开更多

关键词 独栋屋顶样本库 改进u-net神经网络 注意力机制 区域提取

在线阅读 下载PDF 职称材料

基于优化U-Net神经网络模型在医学图像分割的应用

2

作者 张筱旭 邵英龙 +1 位作者 严孟慧 王健庆 《现代信息科技》 2025年第4期47-52,共6页

医学图像是临床诊断的重要参考,如何快速且准确地分割出医学图像中的病灶区域,受到了人们的广泛关注。当前,利用深度学习进行图像处理已成为主流,医学图像分割因其独特的应用场景,成为深度学习在图像处理领域应用的成功范例。U-Net网络... 医学图像是临床诊断的重要参考,如何快速且准确地分割出医学图像中的病灶区域,受到了人们的广泛关注。当前,利用深度学习进行图像处理已成为主流,医学图像分割因其独特的应用场景,成为深度学习在图像处理领域应用的成功范例。U-Net网络凭借其特有的U型结构,在医学图像分割领域取得了不错的性能,但该网络仍存在精度不够高等问题。文章对基于优化U-Net模型的医学图像自动分割方法展开研究,将CBAM(Convolutional Block Attention Module)和SE(Squeeze-and-Excitation)模块与U-Net网络结构相结合,实现了对人体器官的高度准确分割。在眼球数据集上的实验结果表明,优化后的U-Net网络相较于单纯的U-Net网络,准确率更高(0.905)。该研究具有重要的临床应用前景,能够对人体器官、病变区域等目标进行有效分割,为医疗实践带来积极影响。 展开更多

关键词 u-net神经网络 图像分割 医学图像 注意力机制

在线阅读 下载PDF 职称材料

改进U-net神经网络的干涉图像齿面域分割方法

3

作者 杨鹏程 张津京 +2 位作者 李小成 孟杰 康乐谦 《西安工程大学学报》 CAS 2024年第6期90-97,共8页

激光干涉法是测量齿轮齿面形貌误差的有效方法,利用干涉图像处理技术可以准确获取齿面形貌信息。然而,在实际实验中,散斑噪声和齿面杂散光等现象往往会导致分割精度的降低,从而影响测量的准确性。同时,传统的时域分割方法存在着拟合误... 激光干涉法是测量齿轮齿面形貌误差的有效方法,利用干涉图像处理技术可以准确获取齿面形貌信息。然而,在实际实验中,散斑噪声和齿面杂散光等现象往往会导致分割精度的降低,从而影响测量的准确性。同时,传统的时域分割方法存在着拟合误差和难以确定合适分割阈值等问题,也会对分割精度造成影响。因此,齿面域分割在干涉图像处理中起着至关重要的作用,可以有效提高测量精确性。为了解决这些问题,提出了一种基于改进的U-net神经网络的齿面域分割方法。首先,在传统的U-net架构中引入SE注意力机制,以提升网络对齿面区域的识别精度。其次,通过收集不同光照环境和入射角度下的齿面物体图像和干涉图像作为训练数据集,建立网络输入与输出之间的映射关系,增强网络的泛化能力。最后,将文中方法与传统分割方法进行对比实验,结果表明:该方法可以有效降低传统方法引入的分割误差,相位跳变修正率约为75.6%,模型的准确度达到了96%,提升了分割精确性和测量准确性,在干涉图像、医学和遥感图像处理等领域有着广泛的应用潜力。 展开更多

关键词 激光干涉测量 干涉图像分割 u-net神经网络 分割精度

在线阅读 下载PDF 职称材料

基于U-Net神经网络的水体识别研究

4

作者 何向楠 张非凡 《山西水利》 2024年第5期13-20,共8页

智慧水利的兴起,为进行大范围水体同步监测提出了更高的要求。遥感技术在水体监测领域应用广泛,是实现自动化全域化监测的重要技术手段,利用遥感技术进行水体自动识别是水体指标反演的前提。文章使用一种U-Net神经网络框架信息处理技术... 智慧水利的兴起,为进行大范围水体同步监测提出了更高的要求。遥感技术在水体监测领域应用广泛,是实现自动化全域化监测的重要技术手段,利用遥感技术进行水体自动识别是水体指标反演的前提。文章使用一种U-Net神经网络框架信息处理技术,对获得的河道RGB图像进行水体识别研究。结果显示,U-Net神经网络方法在识别水体上展现出卓越的性能,平均水体预测成功率达到84.19%,平均水体误判率为0.7%。 展开更多

关键词 u-net神经网络 RGB图像 水体识别 智慧水利

在线阅读 下载PDF 职称材料

基于GDL损失函数U-net神经网络在放疗定位CT图像上对甲状腺分割的初步研究 被引量：5

5

作者 文晓博 袁美芳 +3 位作者 赵彪 孙梦真 胡晓庆 杨毅 《山西医科大学学报》 CAS 2021年第3期350-355,共6页

目的探讨基于GDL(generalized Dice loss)损失函数U-net神经网络模型在放疗定位CT图像上甲状腺分割效果。方法选取76位乳腺癌和鼻咽癌患者的放疗定位CT图,由影像学专家勾画标签图,制作为数据集。将数据集随机分为训练集(n=59)、验证集(n... 目的探讨基于GDL(generalized Dice loss)损失函数U-net神经网络模型在放疗定位CT图像上甲状腺分割效果。方法选取76位乳腺癌和鼻咽癌患者的放疗定位CT图,由影像学专家勾画标签图,制作为数据集。将数据集随机分为训练集(n=59)、验证集(n=8)和测试集(n=9)。对训练集进行数据扩充,使用Dice和Jaccard对基于GDL损失函数U-net神经网络模型进行性能评估。结果基于GDL损失函数的U-net神经网络模型预测分割的甲状腺在测试集上Dice系数与Jaccard系数分别为0.81±0.15和0.70±0.17。相较于基于Dice损失函数的U-net神经网络模型,基于GDL损失函数的U-net神经网络模型测试集的Dice系数与Jaccard系数均提升了3.0%。测试集影像图结果表明,基于GDL损失函数的U-net神经网络模型分割的甲状腺相较于基于Dice损失函数的U-net神经网络模型分割的甲状腺过、欠分割现象有所改善。结论与基于Dice损失函数的U-net神经网络模型相比,基于GDL的U-net神经网络模型分割出来的甲状腺更优,Dice系数和Jaccard系数更高。基于GDL损失函数的U-net神经网络模型可提高医师临床工作的效率,但仍需进一步改进模型来解决甲状腺过、欠分割的现象。 展开更多

关键词 u-net神经网络 GDL 医学图像分割 甲状腺 放射治疗

在线阅读 下载PDF 职称材料

基于优化U-Net神经网络模型在乳腺肿瘤超声图像分割中的应用 被引量：2

6

作者 袁琳 张雨 +3 位作者 丁炎 周超 孙俊 周锋盛 《医学影像学杂志》 2023年第6期1081-1085,共5页

目的使用优化U-Net神经网络模型,探讨乳腺肿瘤超声图像分割中的效果。方法选取乳腺肿瘤患者的超声图像216张,采用Modifi-U-Net网络模型、U-Net模型进行图像自动分割,对比两种模型的分割效果。结果Modifi-U-Net网络模型乳腺肿瘤超声图像... 目的使用优化U-Net神经网络模型,探讨乳腺肿瘤超声图像分割中的效果。方法选取乳腺肿瘤患者的超声图像216张,采用Modifi-U-Net网络模型、U-Net模型进行图像自动分割,对比两种模型的分割效果。结果Modifi-U-Net网络模型乳腺肿瘤超声图像分割的Pre为84.4%、Rec为85.3%、IoU为73.7%、F1为84.9%。各项指标与U-Net模型相比均有明显提高,分割更接近肿瘤实际区域。结论使用优化后的U-Net神经网络模型对乳腺肿瘤超声图像的分割更加精准,有望成为乳腺肿瘤自动分割系统而广泛应用于临床。 展开更多

关键词 乳腺肿瘤 超声诊断 自动分割 u-net神经网络

在线阅读 下载PDF 职称材料

基于U-Net卷积神经网络的织物压力传感阵列串扰解决方法

7

作者 王小东 陈俊鹏 裴泽光 《纺织学报》 EI CAS CSCD 北大核心 2024年第7期86-93,共8页

为解决压阻式柔性压力传感阵列中存在的异常传感单元与串扰现象导致采集到的压力数据不准确的问题,构建了具有32×32个传感单元的压阻式柔性织物压力传感阵列系统,对传感单元检测值出现异常的原因进行了分析,采用中值滤波算法对系... 为解决压阻式柔性压力传感阵列中存在的异常传感单元与串扰现象导致采集到的压力数据不准确的问题,构建了具有32×32个传感单元的压阻式柔性织物压力传感阵列系统,对传感单元检测值出现异常的原因进行了分析,采用中值滤波算法对系统获取的压力分布云图中的异常值进行处理;针对串扰现象,构建了U-Net卷积神经网络模型,采用机器学习方法对织物压力传感阵列系统生成的压力云图进行修正,设计了模型输入、输出数据集的采集方法。结果表明,经中值滤波算法处理后的压力云图的峰值信噪比处于30~40 dB之间,反映出中值滤波算法对异常值处理的效果较为理想;U-Net卷积神经网络模型训练过程中的均方根误差最终达到7.1,表明模型获得了较好的训练效果,通过与无串扰效应的柔性压力传感阵列采集的压力云图进行对比,表明U-Net模型能够有效消除串扰现象对织物压力传感阵列压力云图显示结果的影响。 展开更多

关键词 织物压力传感阵列 中值滤波 u-net卷积神经网络 足底压力监测 串扰

在线阅读 下载PDF 职称材料

基于改进U-Net卷积神经网络的数字图像智能分类方法

8

作者 梅光 《长江信息通信》 2024年第10期57-59,共3页

环境噪声和干扰可能会对数字图像智能分类方法的性能产生负面影响,导致分类速度慢。为此,研究基于改进U-Net卷积神经网络的数字图像智能分类方法。通过去噪、增强和标准化处理,提高数字图像的质量;利用改进U-Net卷积神经网络提高预处理... 环境噪声和干扰可能会对数字图像智能分类方法的性能产生负面影响,导致分类速度慢。为此,研究基于改进U-Net卷积神经网络的数字图像智能分类方法。通过去噪、增强和标准化处理,提高数字图像的质量;利用改进U-Net卷积神经网络提高预处理后的图像的维度,使网络能够学习到更丰富的图像信息;采用分割算法将图像划分为多个区域,通过关键点精确定位技术,准确识别出图像中的关键特征点;对比待分类图像与已知类别的图像相似度,实现智能分类。实验结果表明:与传统的分类方法相比,新方法在分类速度更快,实际应用价值更高。 展开更多

关键词 改进u-net卷积神经网络 数字图像 智能分类 图像分类

在线阅读 下载PDF 职称材料

生成式对抗神经网络的改进及其在地震数据压噪中的应用 被引量：1

9

作者 彭海龙 李明 +4 位作者 孙文钊 李列 周凡 鲁统祥 江凡 《石油物探》 CSCD 北大核心 2024年第1期104-115,128,共13页

常规的生成式对抗神经网络在地震数据去噪过程中受模型限制,地震数据有效信息还原能力差。因此,对生成式对抗神经网络进行改进,以U-net神经网络为基础建立更深层级的生成器神经网络,优化模型的批标准化层和池化层,提升特征还原能力,搭... 常规的生成式对抗神经网络在地震数据去噪过程中受模型限制,地震数据有效信息还原能力差。因此,对生成式对抗神经网络进行改进,以U-net神经网络为基础建立更深层级的生成器神经网络,优化模型的批标准化层和池化层,提升特征还原能力,搭建多尺度判别器神经网络,提升判别器性能,提出一种包含对抗损失、配准损失和结构信息损失的多层次综合损失函数。改进后的模型结构无需预先估计噪声,能够实现端到端的盲去噪功能,神经网络泛化能力强,对数据细节的保护还原水平高。南海北部涠A地区地震数据测试结果表明,改进后的神经网络去噪能力以及对地震有效信息的保护要优于目前常见的去噪算法的结果,去噪过程对地震有效反射信息保护好,地震边界信息成像质量高。与常见的去噪方法相比,改进的生成或对抗神经网络方法在地震数据去噪中具有良好的应用效果,去噪能力强,在实际地震数据处理中具有良好的推广价值。 展开更多

关键词 生成式对抗神经网络 u-net神经网络 地震数据去噪 泛化能力 数据细节

在线阅读 下载PDF 职称材料

基于U-Net卷积神经网络的管道漏磁异常检测 被引量：5

10

作者 曹辉 杨理践 +2 位作者 杨文俊 邵一川 刘斌 《沈阳大学学报（自然科学版）》 CAS 2020年第5期402-409,共8页

提出了一种基于深度网络的图像分割方法,对漏磁图像进行异常检测.该方法基于U-Net网络模型来提取管道图像异常特征,该网络模型分成2个部分,分别是Encoder和Decoder.其中Encoder是基于Resnet的改进网络,Decoder是基于U-Net的网络.在Enco... 提出了一种基于深度网络的图像分割方法,对漏磁图像进行异常检测.该方法基于U-Net网络模型来提取管道图像异常特征,该网络模型分成2个部分,分别是Encoder和Decoder.其中Encoder是基于Resnet的改进网络,Decoder是基于U-Net的网络.在Encoder部分用深度可分离卷积代替原始的卷积部分,引入空洞卷积.运用基于对抗网络的训练方法对异常图像进行进一步修正,提升了检测准确性.实验结果显示:该方法在真实管道数据集上的IoU达到了0.983,可以满足众多工业应用的需求. 展开更多

关键词 漏磁图像 异常检测 图像分割 u-net卷积神经网络 对抗网络 GAN网络

在线阅读 下载PDF 职称材料

基于神经网络的肝脏图像特征提取应用研究 被引量：1

11

作者 汪辉进 曾叶纯 徐宝娣 《佳木斯大学学报（自然科学版）》 CAS 2023年第1期175-178,共4页

由于人体腹腔的特殊构造,肝脏往往在影像学中与其他器官不易辨别。提出一种采用自适应动量估计Adam算法来对肝脏的影像图形进行分析,辅助医疗人员辨别肝脏是否存在病变以及定位存在病灶的确切位置,对于肝脏的影像学分析特别是在影像学... 由于人体腹腔的特殊构造,肝脏往往在影像学中与其他器官不易辨别。提出一种采用自适应动量估计Adam算法来对肝脏的影像图形进行分析,辅助医疗人员辨别肝脏是否存在病变以及定位存在病灶的确切位置,对于肝脏的影像学分析特别是在影像学图像中的精确识别具有一定的参考与应用价值。 展开更多

关键词 u-net神经网络 Adam算法 语义分割

在线阅读 下载PDF 职称材料

基于U-net卷积神经网络的大转角ISAR成像方法

12

作者 李文哲 李开明 +1 位作者 康乐 罗迎 《空军工程大学学报》 CSCD 北大核心 2022年第5期28-35,共8页

针对ISAR成像在大转角条件下产生严重的越距离单元徙动从而使得ISAR图像散焦的问题,提出一种基于U-net卷积神经网络的大转角ISAR成像方法。首先利用快速傅里叶变换对大转角条件下的回波数据进行预处理,得到散焦的ISAR复值图像作为训练样... 针对ISAR成像在大转角条件下产生严重的越距离单元徙动从而使得ISAR图像散焦的问题,提出一种基于U-net卷积神经网络的大转角ISAR成像方法。首先利用快速傅里叶变换对大转角条件下的回波数据进行预处理,得到散焦的ISAR复值图像作为训练样本,其次,根据ISAR成像特点对U-net网络结构进行了改进,训练后得到具有良好聚焦能力的成像网络。仿真实验表明:与传统大转角ISAR成像方法相比,所提方法将ISAR图像的峰值旁瓣比降至-18d B以下,具有更小的图像熵和最小均方误差,成像时间缩减至0.28s左右,在低信噪比条件下仍可以实现ISAR图像的快速、准确重建。 展开更多

关键词 逆合成孔径雷达 大转角成像 越距离单元徙动 u-net卷积神经网络

在线阅读 下载PDF 职称材料

基于分布式光纤传感与U-Net网络的复合材料分层损伤定量识别方法 被引量：1

13

作者 武湛君 董珊珊 +7 位作者 李建乐 朱明睿 张仕承 刘海涛 孙亮 李汉克 董孜劢 徐浩 《航空制造技术》 CSCD 北大核心 2024年第13期20-27,共8页

结构健康监测(SHM)是确保飞行器复合材料结构安全性和完整性的重要手段。基于背向瑞利散射的分布式光纤传感器可以通过测量高密度的应变分布为复合材料损伤监测提供数据支持。然而,结构应变分布特征和损伤的映射关系较为复杂,无法直接... 结构健康监测(SHM)是确保飞行器复合材料结构安全性和完整性的重要手段。基于背向瑞利散射的分布式光纤传感器可以通过测量高密度的应变分布为复合材料损伤监测提供数据支持。然而,结构应变分布特征和损伤的映射关系较为复杂,无法直接根据应变分布准确判定损伤的定量信息。另外,分布式光纤传感器数据量大,通过人为分析应变数据识别损伤较为耗时且准确性偏低。为了应对这一挑战,提出了一种基于分布式光纤传感数据与U-Net神经网络的智能损伤识别方法,旨在自动精确识别复合材料中常见的分层损伤。首先,通过有限元仿真构建U-Net神经网络的训练集与验证集;随后进行含分层损伤复合材料板的悬臂加载试验,通过分布式光纤传感器采集结构应变分布数据作为测试集。损伤识别结果表明,U-Net神经网络可以对分层损伤的位置、尺寸与形状进行较为精确的定量识别。 展开更多

关键词 结构健康监测(SHM) 复合材料结构 分布式光纤传感器 深度学习 u-net神经网络

在线阅读 下载PDF 职称材料

协同U-Net与隐马尔可夫模型的遥感影像云识别

14

作者 程志强 崔成玲 《现代信息科技》 2024年第24期36-39,共4页

云雾覆盖是影响光学遥感影像林业监测利用率的重要因素之一。文章针对传统云识别方法对噪声敏感,深度学习方法对云边缘识别精度不高的问题,提出了一种协同U-Net与隐马尔可夫模型的遥感影像云识别方法。首先,基于U-Net网络结构对云进行... 云雾覆盖是影响光学遥感影像林业监测利用率的重要因素之一。文章针对传统云识别方法对噪声敏感,深度学习方法对云边缘识别精度不高的问题,提出了一种协同U-Net与隐马尔可夫模型的遥感影像云识别方法。首先,基于U-Net网络结构对云进行初步识别,改善传统方法对噪声的敏感性;其次,利用隐马尔可夫模型进行后端处理,优化云识别的边缘轮廓。实验结果表明,协同U-Net与隐马尔可夫模型的遥感影像云识别方法的精度相较于传统方法提升了5%,同时较好地保留了云的边缘轮廓。 展开更多

关键词 遥感影像 云识别 u-net神经网络 隐马尔可夫模型

在线阅读 下载PDF 职称材料

基于U-Net的涡旋电磁波雷达成像方法

15

作者 汪思源 曲毅 陈怡君 《空军工程大学学报》 CSCD 北大核心 2024年第3期77-85,共9页

基于轨道角动量模态变量与目标方位角变量的近似对偶关系,涡旋电磁波雷达可以实现对静止目标的二维高分辨成像,然而目标回波中的贝塞尔函数项会严重影响方位角向聚焦性能。现有基于逆投影算法的贝塞尔函数补偿方法计算量很大,难以实际... 基于轨道角动量模态变量与目标方位角变量的近似对偶关系,涡旋电磁波雷达可以实现对静止目标的二维高分辨成像,然而目标回波中的贝塞尔函数项会严重影响方位角向聚焦性能。现有基于逆投影算法的贝塞尔函数补偿方法计算量很大,难以实际应用。针对上述问题,提出一种利用U-Net卷积神经网络抑制贝塞尔函数影响、实现涡旋电磁波雷达高分辨成像的方法。首先,根据雷达目标散射分布的稀疏特性对U-Net网络进行改进,然后对目标回波信号进行二维快速傅里叶变换预处理得到目标散焦图像,将其作为改进U-Net网络的输入,并将目标理想电磁散射模型作为网络输出对网络进行监督训练。最后,基于未知目标回波信号,将预处理后的目标散焦图像输入到训练完备的网络模型中,即可得到聚焦良好的高分辨成像结果。仿真实验证明,该成像方法能够有效提高目标成像聚焦性能,且该网络模型在噪声存在的情况下仍具有较好的泛化能力。 展开更多

关键词 涡旋电磁波雷达 u-net卷积神经网络 轨道角动量 贝塞尔函数

在线阅读 下载PDF 职称材料

FY-4 A/GIIRS反演夏冬季有云时大气温湿度廓线的精度评估

16

作者 姚姝含 官莉 《红外与激光工程》 EI CSCD 北大核心 2024年第7期130-142,共13页

FY-4A/GIIRS(Geostationary Interferometric Infrared Sounder)首次实现了地球静止轨道红外高光谱探测,可以连续获得高垂直分辨率的大气温度和湿度廓线信息。当GIIRS视场内有云存在时,目前Level 2业务大气温湿度垂直廓线产品只提供观... FY-4A/GIIRS(Geostationary Interferometric Infrared Sounder)首次实现了地球静止轨道红外高光谱探测,可以连续获得高垂直分辨率的大气温度和湿度廓线信息。当GIIRS视场内有云存在时,目前Level 2业务大气温湿度垂直廓线产品只提供观测视场内云顶以上高度的温度廓线,且不反演整个视场的湿度廓线。基于GIIRS辐射观测值用U-Net卷积神经网络算法实现了全天空大气温湿度廓线反演,包括晴空和全云覆盖视场,同时利用常规无线电探空观测资料对反演精度进行了检验。结果表明:U-Net算法有云视场的温湿度廓线反演能力与晴空相当,且夏季温度反演精度优于冬季,有利于灾害性天气多发季节的监测。在云系较活跃的夏季,随着视场内云量的增加温度廓线反演精度逐渐变高,表明该算法适用于有云时大气温度廓线反演,而湿度随着云量的增加反演均方根误差RMSE增大。视场内不同云光学厚度时温度反演误差相差不大,RMSE均在2.5 K左右,平均偏差ME在1 K以内,对流层高层薄云时反演误差相对而言较小。湿度反演随着云光学厚度的增大反演误差也增大,说明对于一定程度的薄云,GIIRS能够获得不错的反演精度。虽然U-Net算法物理意义不明确,但是能够快速实现全天空大气温湿度廓线反演,尤其在有云时能够获得更高的反演精度。 展开更多

关键词 FY-4 A/GIIRS u-net卷积神经网络 大气温湿度廓线 反演算法评估

在线阅读 下载PDF 职称材料

一种改进的深度学习冰湖遥感制图方法及应用

17

作者 杨泞滔 聂勇 《航天返回与遥感》 CSCD 北大核心 2024年第1期41-52,共12页

冰湖溃决洪水是一种严重的山地自然灾害,威胁着中国高寒区的居民及铁路公路等重要基础设施,自动高效的冰湖遥感制图方法是冰湖灾害评估、监测预警的基础,然而现有自动制图方法在实际冰湖提取应用上难以达到传统人工和半自动冰湖提取方... 冰湖溃决洪水是一种严重的山地自然灾害,威胁着中国高寒区的居民及铁路公路等重要基础设施,自动高效的冰湖遥感制图方法是冰湖灾害评估、监测预警的基础,然而现有自动制图方法在实际冰湖提取应用上难以达到传统人工和半自动冰湖提取方法上的精度,仍需进一步提高。文章在原生UNet模型基础上,在各桥连接部分融合极化自注意力机制,将输入影像特征分别在空间和通道层保持高分辨率,并通过非线性合成输出细腻的特征,构建了一种改进的U-Net冰湖遥感深度学习制图方法,并将其成功应用在高原铁路关键区。研究结果表明:1)与PSPNet、DeepLabV3+、原生U-Net三种经典模型相比,改进模型在冰湖预测数据集上的各项指标上都有提升,精确率、召回率、交并比和F_1值分别达到了0.972 5、0.966 5、0.940 8和0.969 4,相较于原生U-Net网络,精确度、召回率、交并比和F_1值分别提高了5.01%、6.05%、10.73%和5.53%;2)基于Landsat-8卫星遥感数据,应用改进模型完成了2013—2022年帕隆藏布和易贡藏布案例区冰湖信息自动高效提取,如2020年冰湖总体精度为98.16%,与参照数据的重叠度达到96.66%,提取的精度满足冰湖灾害评估和监测预警研究需求,可用于铁路等重大工程沿线冰湖灾害防治的实践。 展开更多

关键词 遥感监测 冰湖灾害 深度学习 自注意力机制 u-net卷积神经网络

在线阅读 下载PDF 职称材料

基于深度学习的人体轮廓识别 被引量：1

18

作者 贾群喜 张伟民 +1 位作者 孙占鹏 户肖剑 《现代信息科技》 2020年第23期90-93,共4页

为了解决人体轮廓识别精度不高,鲁棒性不好的问题,在保证实时性的要求下,提出了一种基于深度学习的人体轮廓识别方法,该方法采用U-Net神经网络框架,建立特定视角的数据集,利用高斯滤波进行图像预处理操作,设计使用Dice和交叉熵函数相结... 为了解决人体轮廓识别精度不高,鲁棒性不好的问题,在保证实时性的要求下,提出了一种基于深度学习的人体轮廓识别方法,该方法采用U-Net神经网络框架,建立特定视角的数据集,利用高斯滤波进行图像预处理操作,设计使用Dice和交叉熵函数相结合的损失函数进行训练。实验表明,该方法的重合度为91.85%,单次识别耗时为50.56 ms,在保证精度和实时性的前提下,也保证了对不同环境的适应性,在实际应用中有良好的价值。 展开更多

关键词 人体轮廓 u-net神经网络 Dice损失函数 高斯滤波

在线阅读 下载PDF 职称材料