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2,079篇文章
< 1 2 … 104 >
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：
SG-UNet:基于全局注意力和自校准卷积增强的黑色素瘤分割模型
1
作者 计寰宇 王蕊 +1 位作者 高盛祥 车文刚 《南方医科大学学报》 北大核心 2025年第6期1317-1326,共10页
目的 提出了一种新的黑色素瘤分割模型SG-UNet,以提高黑色素瘤皮肤镜图像的精确分割。通过分割后边界特征评估,可以更准确地识别诊断黑色素瘤从而辅助早期诊断。方法 使用一种U形结构的卷积神经网络UNet,对其主干、跳跃连接和下采样池... 目的 提出了一种新的黑色素瘤分割模型SG-UNet,以提高黑色素瘤皮肤镜图像的精确分割。通过分割后边界特征评估,可以更准确地识别诊断黑色素瘤从而辅助早期诊断。方法 使用一种U形结构的卷积神经网络UNet,对其主干、跳跃连接和下采样池化部分进行改进。在主干部分,我们将UNet的下采样部分参考Vgg的结构将卷积数量由10个增加到13个加深网络层次来捕获更加精细的特征表示。为了进一步提升特征提取和细节识别的能力,主干部分将传统的卷积替换为自校准卷积增强模型对空间维度和通道维度特征的捕获能力。同时,在池化部分将哈尔小波下采样替换原有的池化层实现更有效的多尺度特征融合,并降低特征图的空间分辨率。接着将全局注意力机制融入到每一层的跳跃连接中更好地理解图像的上下文信息。结果实验结果表明SG-UNet在ISIC 2017和ISIC 2018数据集上的分割效果对比目前其他先进分割模型得到明显提升。在ISIC2017和ISIC 2018数据集上Dice,IoU分别达到了92.41%,86.62%和92.31%,86.48%。结论 实验结果证实,所提出的方法能够有效实现黑色素瘤的精确分割。 展开更多
关键词 图像分割 全局注意力机制 黑色素瘤 unet 自校准卷积 哈尔小波下采样 SG-unet
在线阅读 下载PDF
基于改进Unet模型的农作物病害语义分割研究
2
作者 刘伟立 孙公凌云 +2 位作者 连俊博 李响陈 惠国华 《传感技术学报》 北大核心 2025年第10期1818-1826,共9页
针对农作物病害类内差异性大、类间相似性高等特点导致的分割困难问题,提出了一种改进的Unet模型VGSA-Unet,用于提高农作物叶片病害图像的分割准确性。将VGG16作为Unet模型的编码器,在编码器与解码器之间集成了多尺度上下文模块GC_ASPP... 针对农作物病害类内差异性大、类间相似性高等特点导致的分割困难问题,提出了一种改进的Unet模型VGSA-Unet,用于提高农作物叶片病害图像的分割准确性。将VGG16作为Unet模型的编码器,在编码器与解码器之间集成了多尺度上下文模块GC_ASPP,在获取图像多尺度信息的同时提升对图像全局特征的提取能力,使模型理解不同形态的病害图像细节,提高模型在处理尺度变化较大的图像时的性能;在解码器中,使用双线性插值代替转置卷积,减少边缘信息的损失,提高模型计算效率;使用混合损失函数,提高模型对细小病斑的分割能力。与其他网络模型相比,改进的VGSA-Unet模型在mPA(92.04%)和mIoU(84.61%)两项指标上均达到了最高值。改进后的模型克服了病害特点造成的分割困难,对细小病斑的提取更为精确,能有效地对农作物叶片病害进行准确分割。 展开更多
关键词 语义分割 农作物病害 深度学习 unet GCblock 空洞空间金字塔池化
在线阅读 下载PDF
改进UNet++模型的脑肿瘤图像分割算法 被引量：1
3
作者 付豪 张振利 陈源 《河北大学学报(自然科学版)》 北大核心 2025年第4期398-407,共10页
针对计算机辅助脑肿瘤图像边缘分割模糊、分割精度不高的问题,提出了一种改进的嵌套UN-et++脑肿瘤图像分割算法.首先,设计MCAM(Mishcoordinateattentionmodule)模块代替原UNet++的特征提取部分,嵌入坐标注意力机制(coordinateattention,... 针对计算机辅助脑肿瘤图像边缘分割模糊、分割精度不高的问题,提出了一种改进的嵌套UN-et++脑肿瘤图像分割算法.首先,设计MCAM(Mishcoordinateattentionmodule)模块代替原UNet++的特征提取部分,嵌入坐标注意力机制(coordinateattention,CA)关注不同方向上的位置信息以增强特征提取能力,使用Mish激活函数替换ReLU激活函数防止出现梯度消失,提高脑肿瘤图像分割精度和泛化能力;其次,在特征提取后加入SME(squeezeMishexcitation)模块进行挤压和激励,扩大特征图的感受野以增强对肿瘤特征的学习能力;最后,利用焦点Dice损失函数关注模糊样本的分割,从而改善脑肿瘤图像边缘分割模糊的问题.提出的算法在Figshare数据集上进行仿真实验,实验结果表明,在均值交并比(MIoU)、类别平均像素准确率(MPA)、骰子系数(Dice)和豪斯多夫距离(Hausdorffdistance,HD)评估指标上分别达到83.26%、81.91%、86.45%和18.57mm.与3DUNet、Swin-UNet、DD-UNet、LRAE-UNet和AI-UNet等算法进行对比,证明提出的算法分割效果更优. 展开更多
关键词 脑肿瘤图像分割 unet++ MCAM CA注意力机制 Mish激活函数 SME 焦点Dice损失函数
在线阅读 下载PDF
基于改进UNet模型的土壤CT图像分割方法
4
作者 宋忠林 闫娇 +2 位作者 马韫韬 李保国 周虎 《土壤》 北大核心 2025年第3期639-648,共10页
X射线断层扫描(CT)已成为土壤孔隙结构研究的主要手段,而CT图像分割作为其中关键环节,直接关系到孔隙分析的准确性。因传统的图像分割方法精度有限,近年来深度学习技术被广泛应用于土壤CT图像分割中。NAM(Normalization-based attention... X射线断层扫描(CT)已成为土壤孔隙结构研究的主要手段,而CT图像分割作为其中关键环节,直接关系到孔隙分析的准确性。因传统的图像分割方法精度有限,近年来深度学习技术被广泛应用于土壤CT图像分割中。NAM(Normalization-based attention module)是一种高效的注意力机制,改进了空间注意力和通道注意力子模块的设计,能够增强深度学习模型分割的效果。本研究采用UNet、UNet++、DeepLabV3以及加入了NAM注意力机制的AttentionUNet 4种深度学习模型,对我国东北地区黑土的CT图像进行分割,并同传统分割方法进行比较。结果表明,AttentionUNet在交并比、F1分数、精确度和召回率4个指标的评估值分别达到88.08%、0.96、96.02%、96.64%,精确度相对于UNet和UNet++分别提升了1.46和0.21个百分比,较传统Watershed方法的精确度和召回率分别提升101.13%和33.54%。本文提出的AttentionUNet模型可有效提高土壤CT图像分割的效率和精度,为土壤CT图像的孔隙分割提供一种更加高效的方法。 展开更多
关键词 unet NAM模块 CT图像 图像分割 注意力机制
在线阅读 下载PDF
基于UNet模型燃气管道高后果区分割方法研究 被引量：4
5
作者 凌晓 王昕越 +2 位作者 郭凯 孙宝财 程凌宇 《中国安全生产科学技术》 CAS CSCD 北大核心 2024年第4期157-162,共6页
为提升燃气管道设施监测和事故应急响应中的高后果区图像分割精准度和可靠性,通过改进UNet模型结构,使用优化后的Inception Block模块、通道注意力和空间注意力机制的方法,提升模型捕捉关键特征的能力,并引入高斯噪声增强模型鲁棒性,采... 为提升燃气管道设施监测和事故应急响应中的高后果区图像分割精准度和可靠性,通过改进UNet模型结构,使用优化后的Inception Block模块、通道注意力和空间注意力机制的方法,提升模型捕捉关键特征的能力,并引入高斯噪声增强模型鲁棒性,采用保留最佳参数策略得到最优训练参数。然后对SE UNet、UNet++、原始UNet以及改进后UNet模型在航拍图像数据集上的分割效果进行对比和分析。研究结果表明:相对SE UNet、UNet++和原始UNet,改进后UNet模型在分割效果上表现更佳,综合性能优于其他模型。同时,改进后UNet模型提高了分割准确性,降低了误检和漏检风险。研究结果可为燃气管道设施的安全运行和维护提供有力支持。 展开更多
关键词 深度学习 unet模型 卷积神经网络 高后果区 图像分割
在线阅读 下载PDF
基于SoftEdge软边缘检测模型与改进分水岭的浮选泡沫图像分割方法研究
6
作者 卢才武 曹越 +4 位作者 刘迪 江松 李冠东 张泽家 赵旭阳 《金属矿山》 北大核心 2025年第8期158-164,共7页
针对浮选泡沫图像分割中传统分水岭算法的分割误差问题,研究结合SoftEdge模型与改进的分水岭算法,首先对泡沫图像进行高斯低通滤波降噪,再利用SoftEdge模型提取软边缘,从而削弱光噪声对边缘检测的干扰,进而采用基于前置背景标记技术优... 针对浮选泡沫图像分割中传统分水岭算法的分割误差问题,研究结合SoftEdge模型与改进的分水岭算法,首先对泡沫图像进行高斯低通滤波降噪,再利用SoftEdge模型提取软边缘,从而削弱光噪声对边缘检测的干扰,进而采用基于前置背景标记技术优化的分水岭算法,通过精确提取前景与背景标记,指导分水岭算法在限定区域内执行分割,显著减少了分割误差现象。研究结果表明,该方法规避了对先验知识和复杂参数的依赖,并大幅提升了分割精度。 展开更多
关键词 浮选泡沫图像分割 SoftEdge模型 改进分水岭算法 前景背景标记技术
在线阅读 下载PDF
融合邻域注意力和状态空间模型的医学视频分割算法
7
作者 丁建睿 张听 +1 位作者 刘家栋 宁春平 《电子与信息学报》 北大核心 2025年第5期1582-1595,共14页
在医学影像分析领域,精准分割视频中的病灶对于疾病的早期诊断和治疗至关重要。该文创新性地提出一种融合邻域注意力机制与状态空间模型的算法,旨在全面而精细地捕捉医学视频中的时空特征,从而对视频中的病灶进行准确分割。该算法通过... 在医学影像分析领域,精准分割视频中的病灶对于疾病的早期诊断和治疗至关重要。该文创新性地提出一种融合邻域注意力机制与状态空间模型的算法,旨在全面而精细地捕捉医学视频中的时空特征,从而对视频中的病灶进行准确分割。该算法通过两阶段的精心设计,显著提升了分割性能:第1阶段,通过深度卷积网络捕获低层次的空间语义信息,并借助邻域注意力机制,挖掘相邻帧间的局部时序语义关联。第2阶段,引入状态空间模型来捕捉全面的时序信息,并再次应用邻域注意力模块,进一步增强对局部时序特征的敏感度。该方法不仅有效整合了视频中丰富的时序信息,而且在局部和全局层面上实现了空间与时间特征的协同优化。相较于使用具有2次计算复杂度的自注意力机制,该文采用了具有线性计算复杂度的状态空间模型,显著提升了模型的训练效率和推理速度。所提算法在甲状腺超声视频数据集以及结肠息肉视频数据集CVC-ClinicDB和CVC-ColonDB上的交并比(IOU)指标分别达到了72.7%,82.3%和72.5%,相比该文的基线模型Vivim分别提高了5.7%,1.7%和5.5%。此外,消融实验进一步揭示了邻域注意力模块和状态空间模型在提取时序信息中发挥的关键作用。 展开更多
关键词 医学视频分割 邻域注意力机制 状态空间模型
在线阅读 下载PDF
基于改进U-Net的煤矸图像分割模型与放煤控制技术
8
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UNet模型的核桃树枝条分叉点定位与修剪位置选择 被引量：1
9
作者 王志富 马文强 +3 位作者 项斌斌 杨莉玲 沈晓贺 刘佳 《农业工程学报》 北大核心 2025年第7期165-172,共8页
为定位核桃树枝条分叉点,筛选枝条修剪位置,该研究提出了基于改进UNet模型与图像处理的枝条分叉点定位与修剪位置选择方法。首先,改进语义分割模型,VGG16-UNet中添加MCA(multidimensional collaborative attention)模块,命名为VMfd-UNet... 为定位核桃树枝条分叉点,筛选枝条修剪位置,该研究提出了基于改进UNet模型与图像处理的枝条分叉点定位与修剪位置选择方法。首先,改进语义分割模型,VGG16-UNet中添加MCA(multidimensional collaborative attention)模块,命名为VMfd-UNet,实现核桃树树干和枝条的识别与分割;其次,提取掩膜细化处理,根据枝条相交情况、相对位置关系,结合图像处理与深度信息定位枝条分叉点;最后,以k-means聚类枝条分叉点三维坐标的欧几里得距离计算出质心,取距离质心最近的枝条分叉点作为修剪位置。试验表明,VMfd-UNet在整个数据集上的平均像素精度m PA和平均交并比mIoU分别比VGG16-UNet高4.86、4.85个百分点,在验证集上表现优异,树干和枝条的mPA分别达到96.71%和90.42%,mIoU分别达到90.27%和79.86%,参数量为35.73 M。以枝条分叉点选择修剪位置,平均准确率达到83.2%。该研究可为核桃树准确定位修剪点提供位置参考与技术支持。 展开更多
关键词 图像处理 核桃 修剪 unet模型 分叉点 定位
在线阅读 下载PDF
改进UNet++的瓷器文物显微气泡分割 被引量：1
10
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
基于边缘融合的果园贴叠葡萄簇图像分割模型 被引量：1
11
作者 宁政通 李健 +4 位作者 李海东 朱良宽 赵文 王扬威 郭艳玲 《农业工程学报》 北大核心 2025年第6期165-172,共8页
针对果园环境下贴叠葡萄簇的轮廓不规则且纹理颜色相似,导致葡萄采摘机器人难以依靠视觉模型准确分割簇中每串葡萄的问题,该研究提出了一种基于边缘融合的贴叠葡萄簇分割模型(overlapping grape clusters segmentation model,OGCSM)。... 针对果园环境下贴叠葡萄簇的轮廓不规则且纹理颜色相似,导致葡萄采摘机器人难以依靠视觉模型准确分割簇中每串葡萄的问题,该研究提出了一种基于边缘融合的贴叠葡萄簇分割模型(overlapping grape clusters segmentation model,OGCSM)。首先通过搭建由多尺度卷积Inception、相似性注意力(similarity attention module,SimAM)、卷积块注意力(convolutional block attention module,CBAM)改进的编码-解码器作为主干网络,捕获具有边缘层次的贴叠葡萄簇特征图;然后采用深度监督方式引导由掩码头与边缘头构成的融合网络对特征图进行卷积与反卷积,生成贴叠葡萄簇掩码图及簇中每串葡萄边缘图;最后去除冗余特征后融合掩码图与边缘图,实现对贴叠葡萄簇的分割。试验结果表明,208串左右、前后、上下贴叠葡萄簇的分割交并比(intersection over union,IoU)平均值达92.77%,不同天气光照条件下的分割精确率平均值达98.13%,单幅图像的平均分割耗时为0.379 s。与现有方法相比,OGCSM模型可更准确地划分贴叠葡萄簇中每串葡萄的分割区域,该研究为葡萄采摘机器人提供了一种分割贴叠葡萄簇的视觉模型。 展开更多
关键词 机器人 图像分割 贴叠葡萄 边缘 采摘 融合 模型
在线阅读 下载PDF
基于FAE-Unet的碳纤维预浸料表面缺陷分割方法 被引量：1
12
作者 卢瑶瑶 吴哲彬 +3 位作者 刘香玉 平安 何凯龙 甘学辉 《东华大学学报(自然科学版)》 北大核心 2025年第4期44-51,共8页
针对碳纤维预浸料在生产过程中存在人工检测误差大、效率低等问题,提出基于FAE-Unet的碳纤维预浸料表面缺陷分割方法。在骨干网络中,提出FAE(fusion attention encoder)编码器模块代替Unet编码器。FAE编码器模块融入注意力机制,分别从... 针对碳纤维预浸料在生产过程中存在人工检测误差大、效率低等问题,提出基于FAE-Unet的碳纤维预浸料表面缺陷分割方法。在骨干网络中,提出FAE(fusion attention encoder)编码器模块代替Unet编码器。FAE编码器模块融入注意力机制,分别从通道和空间层面增强了网络的特征提取能力,并为不同特征分配权重信息,该模块将提取的特征信息与解码阶段融合,保留了更多细节特征,提升对小尺度缺陷的关注度。此外,采用带权重的交叉熵损失函数,有效提高在样本量不均衡情况下,尤其是样本量较少时的缺陷分割精度。结果表明,该模型的平均交并比、平均像素准确率、准确率与召回率的调和平均数F_(1-score)值分别达82.36%、91.78%、92.36%。相较于DeepLabV3+、PSPNet、Unet等方法,该模型的分割精度更优,能够精确分割碳纤维预浸料表面的缺陷。 展开更多
关键词 碳纤维预浸料 缺陷检测 语义分割 unet网络
在线阅读 下载PDF
基于MCH-UNet的变压器树枝状放电碳痕精准分割
13
作者 张贺 刘广振 +4 位作者 马小光 宁琦 赵思源 刘力卿 季洪鑫 《科学技术与工程》 北大核心 2025年第26期11193-11201,共9页
油纸绝缘沿面放电是导致油浸式变压器绝缘劣化的重要原因,放电碳痕的精准分割对于放电程度判断及绝缘劣化趋势分析具有重要价值。针对树枝状放电碳痕边缘复杂、尺寸差异大、油渍浸润干扰等严峻挑战,提出了实现碳痕精准分割的MCH-UNet模... 油纸绝缘沿面放电是导致油浸式变压器绝缘劣化的重要原因,放电碳痕的精准分割对于放电程度判断及绝缘劣化趋势分析具有重要价值。针对树枝状放电碳痕边缘复杂、尺寸差异大、油渍浸润干扰等严峻挑战,提出了实现碳痕精准分割的MCH-UNet模型(multi-head coordinate-attention hardswish UNet)。针对油渍浸润干扰、补光不足等导致的像素值集中、对比度偏弱等问题,采用自动色彩均衡算法(automatic color enhancement,ACE)进行碳痕样本的图像增强;设计多头注意力卷积模块(multi-head attention convolution,MHAC),代替原有的常规卷积模块,在降低模型复杂度的同时增强不同尺度碳痕特征的融合效果;为缓解编码器与解码器之间的语义差距,提高碳痕特征激活强度和分割完整度,采用CA注意力机制替代原有的跳跃连接;采用Hardswish激活函数替代原有的ReLU函数,改善模型训练时的梯度传播,提高模型对复杂边界的解析能力。试验结果表明,与UNet、UNet++、UneXt、MALUNet、Att-UNet、EGE-UNet等模型相比,MCH-UNet具有最佳的分割效果;相比于基准模型UNet,MCH-UNet将平均交并比MIoU、像素准确率PA和精确率PE分别提升了1.83%、1.05%、4.33%;同时,MCH-UNet的模型参数量和GFLOPs分别为0.121×10^(6)和0.074,具有较好的轻量化优势。研究结果可为油浸式变压器内放电碳痕的精准分割和油纸绝缘健康状况评估提供技术支撑。 展开更多
关键词 油浸式变压器 沿面放电 放电碳痕 语义分割 unet
在线阅读 下载PDF
基于金字塔结构的神经胶质瘤图像分割模型
14
作者 夏英茹 陆振宇 詹天明 《计算机应用与软件》 北大核心 2025年第5期203-208,246,共7页
为了提高神经胶质瘤图像分割的准确率,确保整个肿瘤的边缘信息可以更精准地获得,以U型卷积神经网络(UNet)为基础设计一种空洞卷积金字塔模型在多个尺度上捕捉图像的上下文以获得更多的特征,结合ECA(Efficient Channel Attention Network... 为了提高神经胶质瘤图像分割的准确率,确保整个肿瘤的边缘信息可以更精准地获得,以U型卷积神经网络(UNet)为基础设计一种空洞卷积金字塔模型在多个尺度上捕捉图像的上下文以获得更多的特征,结合ECA(Efficient Channel Attention Network)注意力模块让模型更加关注信息最多的通道特征,同时抑制那些不重要的通道特征。实验结果表明,FLAIR序列在分割整个肿瘤方面具有优势,而所设计的模型在FLAIR序列中的交并比(IoU)和Dice系数(DSC)分别可以达到0.93和0.86,比UNet高0.07和0.05。可以得出结论,所提模型有效获取了更多边缘信息,从而提高了神经胶质瘤图像整个肿瘤区域的分割精度。 展开更多
关键词 神经胶质瘤 图像分割 unet 空洞卷积金字塔 ECA
在线阅读 下载PDF
空间自主感知语义分割模型的可解释性研究
15
作者 郝仁剑 胡勇 +3 位作者 施沐伽 屈金硕 冯李航 王东 《空间控制技术与应用》 北大核心 2025年第4期65-77,共13页
随着深空探测与智能自主系统技术的持续发展,语义分割模型在空间环境感知中的应用价值日益凸显,特别是在火星地形识别、路径规划与风险评估等空间自主感知任务中展现出关键作用.然而,现有基于深度学习的语义分割模型多为“黑箱结构”,... 随着深空探测与智能自主系统技术的持续发展,语义分割模型在空间环境感知中的应用价值日益凸显,特别是在火星地形识别、路径规划与风险评估等空间自主感知任务中展现出关键作用.然而,现有基于深度学习的语义分割模型多为“黑箱结构”,其内部决策过程难以解释,严重制约了其在关键任务场景中的可信度与可控性.针对当前空间自主感知场景下语义分割模型可解释性研究不足的问题,基于典型的火星遥感图像数据,引入基于扰动的可解释性方法:基于随机输入采样的解释方法(RISE),并结合Deletion机制,对模型的像素级显著性区域进行了可视化与干预实验.通过对不同显著性掩码参数设置下的热力图变化以及删除区域对模型预测影响的系统分析,揭示了模型在不同地形类别判别中的依赖特征,发现其存在过度依赖颜色、类别间显著性区域交叉等问题.在此基础上,进一步提出针对性优化建议,为语义分割模型在空间自主系统中的可靠部署与可解释增强提供了理论支持与技术路径. 展开更多
关键词 空间自主感知 语义分割模型 星表地形 可解释性 RISE方法 模型优化
在线阅读 下载PDF
基于RGE—UNet模型的甘蔗蔗梢识别研究
16
作者 沈中华 程虎强 +1 位作者 夏爱强 李涵 《中国农机化学报》 北大核心 2025年第3期188-194,共7页
传统的甘蔗蔗梢图像分割算法步骤烦琐、整体优化较为困难,采用在小样本上仍表现优异的UNet网络,将模型原有主干网络替换为ResNet50来简化模型训练过程,上采样部分用Ghost轻量级模块替换普通卷积模块以减少模型的参数量和浮点数计算量,... 传统的甘蔗蔗梢图像分割算法步骤烦琐、整体优化较为困难,采用在小样本上仍表现优异的UNet网络,将模型原有主干网络替换为ResNet50来简化模型训练过程,上采样部分用Ghost轻量级模块替换普通卷积模块以减少模型的参数量和浮点数计算量,同时在编码器和解码器之间加入SE注意力机制对提取到的特征权重进行优化,最终得到一个轻量级的RGE—UNet蔗梢分割模型。结合迁移学习的方法对模型进行训练,将训练完成的模型通过Canny算子与水平垂直投影法对蔗梢区域进行识别,并提取蔗梢分割路径坐标。结果表明,基于RGE—UNet模型识别方法的平均像素准确率为94.98%,单张图片分割时间为0.31 s,分割速度较UNet与R50—UNet模型分别提高13.9%和18.4%。该模型能实现对蔗梢的快速准确识别,为甘蔗收割的自动化研究提供一定的技术参考。 展开更多
关键词 甘蔗蔗梢 路径识别 语义分割 RGE—unet 迁移学习
在线阅读 下载PDF
基于GAN-SUNet网络的电路板红外图像分割方法 被引量：1
17
作者 王力 夏璇 《红外技术》 北大核心 2025年第4期493-500,共8页
红外图像可以直观反映电路板温度及其变化情况。为了解决电路板红外图像上芯片定位困难的问题,本文提出了一种基于GAN-SUNet网络的电路板红外图像分割方法。SUNet网络是在UNet网络的基础上进行改进,通过引入空间金字塔池化模块(SPP)并... 红外图像可以直观反映电路板温度及其变化情况。为了解决电路板红外图像上芯片定位困难的问题,本文提出了一种基于GAN-SUNet网络的电路板红外图像分割方法。SUNet网络是在UNet网络的基础上进行改进,通过引入空间金字塔池化模块(SPP)并修改网络损失函数,减少卷积核数量的方法提高网络检测精度和运行速度。首先,使用生成对抗网络(GAN)对采集到的电路板红外数据进行学习训练并生成仿真红外图像,扩充数据集;然后,使用生成的数据集对SUNet网络进行训练并通过调整模型参数提升其验证精度;最后,使用训练完毕的模型对电路板上的芯片进行识别检测与图像分割实现电路板红外图像芯片定位。实验结果表明:对于电路板红外图像分割,GAN-SUNet网络平均交并比达到93.77%,可以有效减轻人工定位芯片提取数据的压力,为之后芯片温度数据处理提供有力保障。 展开更多
关键词 电路板图像分割 深度学习 红外图像 unet 生成对抗网络
在线阅读 下载PDF
基于VMF-UNet的液基细胞制染机缺陷图像分割
18
作者 田文豪 汪繁荣 乔一航 《现代电子技术》 北大核心 2025年第5期36-42,共7页
为了解决液基细胞制染机的成片效果缺陷识别问题,补偿设备最终成片率,文中提出一种VMF-UNet模型,模型以UNet为基础模型,使用VGG16Net的卷积部分替代UNet神经网络的编码器部分,加入多尺度高效局部注意力机制(MELA),引入特征细化模块(FRM)... 为了解决液基细胞制染机的成片效果缺陷识别问题,补偿设备最终成片率,文中提出一种VMF-UNet模型,模型以UNet为基础模型,使用VGG16Net的卷积部分替代UNet神经网络的编码器部分,加入多尺度高效局部注意力机制(MELA),引入特征细化模块(FRM),解决了图像过分割、欠分割、成片缺陷区域边缘不明显、UNet模型视野受限的问题。实验以医学检验可用性为原则,将显微镜下分割的数据集标准标签作为“金标准”。基于自建液基细胞成片缺陷区图像数据集的实验表明,改进网络在分割时平均交并比(MIo U)、平均像素精确度(MPA)、F1-score与准确率(Accuracy)分别为:82.73%、93.56%、81.93%、96.10%。实验结果证明,VMF-Unet模型对液基细胞制染机成片缺陷区域分割效果更好,可以有效补偿液基细胞制染机的最终成片率,为设备复处理提供有效依据,提高液基细胞制染机的广泛可应用性。 展开更多
关键词 深度学习 语义分割 unet 注意力机制 缺陷检测 液基细胞制染机
在线阅读 下载PDF
基于改进Unet的地震勘探工区建筑物分割方法研究 被引量：1
19
作者 王雅如 王昀 江勇勇 《现代电子技术》 北大核心 2025年第3期135-140,共6页
在地震勘探工区内自动分割建筑物目标对野外物理点布设和避障等工作具有重要意义。针对已有建筑物分割算法存在目标边界分割不完整和小目标分割不准确的问题,提出基于改进Unet的地震勘探工区建筑物分割方法。该方法在原始Unet网络结构... 在地震勘探工区内自动分割建筑物目标对野外物理点布设和避障等工作具有重要意义。针对已有建筑物分割算法存在目标边界分割不完整和小目标分割不准确的问题,提出基于改进Unet的地震勘探工区建筑物分割方法。该方法在原始Unet网络结构基础上,首先增加特征批标准化网络层,避免网络训练过程中的梯度消失问题;然后增加多尺度卷积特征融合技术,增强网络特征表达能力;最后使用Diceloss损失函数优化网络参数。实验结果表明,相比于原始Unet,分割IoU提高了约7%,目标边界分割更加完整准确,对小目标也有较好的分割效果,同时对背景环境变化具有更强的适应性。 展开更多
关键词 地震勘探工区 建筑物分割 unet 多尺度卷积特征融合 批标准化 Diceloss
在线阅读 下载PDF
FDiff-Fusion:基于模糊逻辑驱动的医学图像扩散融合网络分割模型
20
作者 耿胜 丁卫平 +3 位作者 鞠恒荣 黄嘉爽 姜舒 王海鹏 《计算机科学》 北大核心 2025年第6期274-285,共12页
医学图像分割在临床诊疗和病理分析中具有重要的应用价值。近年来,去噪扩散模型在图像分割建模方面取得了显著成功,其能够更好地捕获图像中的复杂结构和细节信息。然而,利用去噪扩散模型进行医学图像分割的方法大多忽略了分割目标的边... 医学图像分割在临床诊疗和病理分析中具有重要的应用价值。近年来,去噪扩散模型在图像分割建模方面取得了显著成功,其能够更好地捕获图像中的复杂结构和细节信息。然而,利用去噪扩散模型进行医学图像分割的方法大多忽略了分割目标的边界不确定和区域模糊因素,从而造成了最终分割结果的不稳定性和不准确性。为了解决这一问题,提出了一种基于模糊逻辑驱动的医学图像扩散融合网络分割模型(FDiff-Fusion)。该模型通过将去噪扩散模型集成到经典U-Net网络中,有效地从输入医学图像中提取丰富的语义信息。由于医学图像的分割目标边界不确定性和区域模糊化现象普遍存在,因此在U-Net网络的跳跃路径上设计了一种模糊学习模块。该模块为输入的编码特征设置多个模糊隶属度函数,以描述特征点之间的相似程度,并对模糊隶属度函数应用模糊规则处理,从而增强了模型对不确定边界和模糊区域的建模能力。此外,为了提高模型分割结果的准确性和鲁棒性,在测试阶段引入了基于迭代注意力特征融合的方法。该方法将局部上下文信息添加到注意力模块中的全局上下文信息中,以融合每个去噪时间步的预测结果。实验结果显示,与现有的先进分割网络相比,FDiff-Fusion在BRATS 2020脑肿瘤数据集上获得的平均Dice分数和HD95距离分别为84.16%和2.473mm,在BTCV腹部多器官数据集上获得的平均Dice分数和HD95距离分别为83.82%和7.98mm,表现出良好的分割性能。 展开更多
关键词 去噪扩散模型 U-Net网络 医学图像分割 模糊学习 迭代注意力特征融合
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 … 104 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