搜索到2443篇“ NET网络“的相关文章
- 基于残差U-net网络的地震资料分辨率提高方法
- 2025年
- 高分辨率地震资料处理是获取高品质地震资料、实现薄储层良好地震地质解释的关键。传统提高地震分辨率的方法应用条件苛刻,关键参数求取复杂,在实际应用中受到诸多限制。深度学习中的U-net网络以纯数据驱动的优势,可学习低分辨率地震记录到高分辨率标签的非线性关系,实现地震资料的高分辨率处理。本文设计了残差U-net网络结构,同时提出了基于概率密度函数控制的同分布反射系数集生成方法,将测井反射系数的概率密度函数作为一种先验约束信息融入训练样本,不仅保证了足够的同分布样本来训练网络,还确保了训练样本更符合工区实际情况,以此提高模型预测的准确性。模型测试和实际资料应用结果表明,本文提出的方法能够有效应用于地震资料分辨率的提高,同时拓宽频带。
- 董博艺张进
- 关键词:提高分辨率同分布
- 基于U-Net网络的医学图像分割研究综述
- 2024年
- 近年来随着深度学习技术的快速发展,卷积神经网络(CNN)成为语义分割的重要支撑框架,被广泛运用于多种目标检测与分割的任务当中。在医学图像分割任务中,U-Net网络以其优异的分割性能、可拓展性的网络结构等特点成为该领域研究的热点。如今有众多学者从网络的结构等方面对U-Net进行改进以优化网络性能、提升分割准确度。研究通过对相关文献的分析,首先介绍了基于U-Net的经典改进模型;然后阐述了六大U-Net改进机制:注意力机制、inception模块、残差结构、空洞机制、密集连接结构以及集成网络结构;随后介绍了医学图像分割常用评价指标和非结构化改进方案,这些非结构化改进方法包括数据增强、优化器、激活函数和损失函数四个方面;之后列举并分析了在肺结节、视网膜血管、皮肤病和颅内肿瘤新冠肺炎四大医学图像分割领域的改进模型;最后对U-Net网络的未来发展进行展望,为相关研究提供思路。
- 宋杰刘彩霞李慧婷
- 关键词:医学图像分割人工智能卷积神经网络
- 基于改进的U-Net网络模型的叶片病害检测
- 2024年
- 为了满足作物病虫害绿色防治对病虫害程度检测的需求,设计了一种改进的U-Net网络模型用于作物叶片病虫害程度的检测。首先,选择ResNet50网络作为模型的主干网络,借助迁移学习来提升训练收敛速度和降低计算成本。其次,引入注意力机制对U-Net网络的各层特征提取和融合进行优化,以提高网络模型接收关键信息的能力。实验结果表明,改进的U-Net512网络模型具有最优的检测性能,平均检测精度达到90.14%,平均绝对误差为276.3。通过分析模型不同采样深度下的各层特征图发现,注意力机制的引入使网络模型能够获取并融合叶片整体特征和病害区域特征两个维度的信息,进一步提升模型检测性能。这种方法不仅能够有效地检测作物叶片的病虫害程度,而且具有较高的准确性和可靠性,有助于实现作物病虫害的绿色防治。
- 刘林林山驰李相国冯敏许亮
- 关键词:病虫害防治
- 基于多U-Net网络的脑胶质瘤分割算法研究
- 2024年
- 核磁共振影像分割对于脑肿瘤患者的治疗至关重要,但肿瘤形态多变、边界模糊等问题使得其边缘分割效果不佳。为解决以上问题,提出一种基于多U-Net网络的脑胶质瘤自动化分割算法MU-Net。首先,以U-Net为主干网络,在编码阶段设计残差空洞卷积模块作为短连接,增强编码特征长距离信息的连接,从而改善特征提取效果;其次,在网络跳跃连接处引入改进的高效通道注意力机制,同时使用平均池化和最大池化充分利用空间和通道信息,以提高分割准确度;最后,在经过改进高效通道注意力机制处理后的跳跃连接处设计多个不同深度的双输出U-Net作为编码与解码之间的纽带,以增强网络对不同尺度脑肿瘤的适应性。在BraTS2020数据集上进行大量实验,结果表明MU-Net算法对完整肿瘤、肿瘤核心和增强肿瘤的Dice系数分别为86.75%、77.76%和76.21%,与基准模型相比分别提升了2.6%、2.55%和2.41%,具有更好的分割效果。
- 刘宏喻昕蒋娟伍胜徐聪乃科张锦
- 关键词:脑肿瘤
- 基于U-Net网络与分水岭相结合的脑肿瘤分割
- 2024年
- 有效的MRI脑肿瘤图像分割能够为医生对患者的诊断和治疗提供可靠的依据。虽然卷积神经网络在医学图像分割的领域取得了显著的进展,但脑部结构过于复杂,误分割率较高,MRI脑肿瘤图像分割仍存在许多不足。U-Net网络的全对称结构能够使其只需少量训练即可提取足够的特征,但由于U-Net网络每次卷积图像都会小一圈,导致上采样和下采样所还原的像素尺寸不一样,无法对肿瘤边缘进行准确地分割。为解决上述问题,提出了一种基于U-Net网络与分水岭相结合的脑肿瘤分割算法。利用U-Net网络模型中的跳跃连接结合压缩路径和扩展路径的特征图,得到对感兴趣区域的初分割,然后通过添加基于重建的开闭操作的分水岭算法优化初分割图边界,得到最终的分割结果。实验结果表明,该方法在准确率Acc、特异性Sp、灵敏度Sn和精度PPV上分别可达到0.896、0.988 8、0.905 9和0.980 1,能够有效地分割出病变区域,具有明显的研究价值。
- 吴晓琴杨晓利李振伟杨彬王嘉雯
- 关键词:脑肿瘤图像分割
- 基于U-Net、U-Net++和Attention-U-Net网络的遥感影像水体提取
- 2024年
- 目前,深度学习在高分辨率遥感影像水体提取方面的应用已成为遥感领域的研究热点。其中基于U-Net网络的算法在水体提取中表现出较好的性能,但鲜有研究对不同U-Net网络算法在水体提取任务中的性能差异进行深入比较。因此,本文选择U-Net、U-Net++和Attention-U-Net 3种卷积神经网络,基于GID数据集,进行试验与定量分析。结果表明:U-Net++的训练精度最高,其次为U-Net、Attention-U-Net,三者分别为0.912、0.907、0.899;U-Net++的边缘提取能力优于其他两种网络;在分割不同类型水体和区分遥感影像中与水体区域相似的非水体区域上,U-Net++的提取效果显著,U-Net和Attention-U-Net易出现漏提现象,效果欠佳。
- 李振轩黄敏儿高飞陶庭叶吴兆福朱勇超
- 关键词:水体提取高分辨率遥感影像
- 基于改进U-Net网络的遥感影像农村道路矢量中心线提取及优化
- 2024年
- 遥感影像中农村道路矢量中心线的准确提取对乡村规划和地理信息数据库建设具有重要意义。针对现有深度学习方法未能充分利用上下文信息,且在下采样过程中易造成图像分辨率下降和局部特征丢失的问题,该文改进U-Net网络模型以提高提取结果的准确性。首先,网络结构设计两次下采样处理,并将上下文两处特征信息用跳跃层连接,使输出的道路细节清晰;其次,为避免样本不均衡导致训练效果不理想,采用交叉熵损失函数与广义骰子损失函数叠加的方式提升训练效果;最后,采用邻域质心投票算法和融合算法对提取的道路进行矢量化和中心线优化,得到高精度的农村道路矢量中心线。试验结果表明:改进方法在复杂场景的农村道路矢量中心线提取中准确率达95.03%,较4种对比算法(U-Net、DC-Net、PA-Net、SM-Net)具有明显优势。
- 王怡君李旺平柴成富尉文博邓灵芝
- 关键词:遥感影像网络分割
- 基于U-Net网络模型方法的山区高分辨率遥感影像建筑物提取研究
- 2024年
- 由于山区地形较为复杂且自然环境多变,建筑物的布局不会像在平原地区呈网络状规则分布,导致山区建筑物的提取存在碎斑、范围不正确等问题。本文基于北京二号(BJ-2)和高分七号(GF-7)遥感卫星影像,采用U-Net网络模型对山区建筑物进行提取试验,并将试验数据与第三次全国国土调查成果进行比对分析。研究结果表明,采用本文方法提取的建筑物精度高,将U-Net网络模型用于山区建筑物提取的方法可行。
- 黄德伦易珍言廉琦
- 关键词:高分辨率遥感影像建筑物提取
- 基于U-net网络的频散曲线自动拾取方法研究被引量:1
- 2024年
- 频散曲线拾取是面波勘探的关键环节,旨在通过频散曲线反演出地下横波速度结构。然而目前频散曲线拾取工作主要依靠人工拾取,耗时耗力。为此,本文通过将频散曲线拾取问题看成是图像分割问题,引入U-net网络,发展出一种频散曲线的自动拾取方法。该方法使用频散能量图并使其作为数据集,使用人工手动拾取的频散曲线作为标签集;通过卷积神经网络经由上采样、下采样和跳层链接等步骤学习图片特征,实现频散曲线的自动拾取。模型测试结果验证了利用U-net网络提取频散曲线的准确性。最后本文将训练好的网络模型应用于冰岛南部Ölfusá河岸的Arnarbæli周边试验场地的实际数据频散曲线提取,并将提取结果与手动拾取的频散曲线进行对比。结果表明,利用U-net网络提取频散曲线预测速度快,预测512×512×3大小的图片耗时为96 ms,预测准确度高。
- 卜凯旭姚振岸任望李红星王向腾毕升博陈振昊
- 关键词:瑞雷波勘探
- 一种基于U-NET网络双编码器结构的纤维束分割方法
- 本发明公开了一种基于U‑NET网络双编码器结构的纤维束分割方法,涉及白质纤维束分割技术领域,包括:获取患者的DWI图像和T1w图像,将DWI图像处理成配准到T1w图像的FA颜色编码图,基于U‑Net网络中采用卷积神经网络...
- 李福芳胡铭罗满林王国彬
相关作者
- 焦李成
![](/images/user-pic.gif)
- 作品数:3,347被引量:8,692H指数:41
- 供职机构:西安电子科技大学
- 研究主题:SAR图像 图像 极化SAR 遥感图像 图像分类方法
- 马玉良
![](/images/user-pic.gif)
- 作品数:191被引量:207H指数:8
- 供职机构:杭州电子科技大学
- 研究主题:脑电信号 脑电 肌电信号 表面肌电信号 情绪
- 隋连升
![](/images/user-pic.gif)
- 作品数:130被引量:88H指数:5
- 供职机构:西安理工大学
- 研究主题:图像 加密 成像 可逆数据隐藏 随机相位
- 李钢
![](/images/user-pic.gif)
- 作品数:50被引量:47H指数:4
- 供职机构:太原理工大学
- 研究主题:图像分割 活动轮廓模型 病灶 蜂窝 网络
- 樊超
![](/images/user-pic.gif)
- 作品数:185被引量:383H指数:12
- 供职机构:河南工业大学
- 研究主题:储粮 结构类型 像移 底面 压力传感器