基于U-NET的双分支海上SAR溢油检测模型

为提高海上溢油SAR(Synthetic Aperture Radar)检测的准确率,本文提出一种基于U-NET和注意力门的海上溢油SAR检测模型(AW-net),该模型将U-NET中传统的单输入编码器替换为双分支编码器,分别输入纹理特征和SAR灰度特征,并进一步采用注意力门融合纹理信息和灰度信息。实验利用1景海丝一号(HISEA-1)SAR数据构建样本训练集进行AW-net模型训练,分别应用1景HISEA-1 SAR数据和1景Radarsat-2SAR数据开展模型测试,溢油检测准确率均优于U-NET、AttentionU-NET和FCN等语义分割模型,说明该模型具有较强的强鲁棒性和应用潜力。

基于Attention Gates和R2U-Net的遥感影像建筑物提取方法

针对深度语义分割算法提取遥感影像建筑物时易产生建筑物边缘分割不明确、提取精度不高等问题,该文提出一种基于Attention Gates(AG)和R2U-Net的遥感影像建筑物提取方法(AGR2U-Net)。该方法将R2U-Net模型每一层输出的特征图与其相邻层的特征图输入至改进的AG模型中,得到与输入影像大小一致的特征图,以提高R2U-Net模型的多尺度泛化能力,从而增强该模型对建筑物特征的响应及灵敏度,最终提升遥感影像建筑物提取精度。利用WHU卫星影像数据集和WHU航空影像数据集,对该方法与U-Net、Improved U-Net、SegU-Net和R2U-Net方法进行对比实验验证,结果表明,该方法的交并比、像素准确率和召回率均最高,且提取的建筑物边缘更准确、内部信息更完整、误检和漏检情况更少。

基于改进的U-Net网络模型的叶片病害检测

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。

基于相位变换和GhostNet-门控循环单元的自动调制识别方法

针对信号调制方式低信噪比条件下识别准确率不高的问题,提出了一种由相位变换、GhostNet、压缩与激励网络(Squeeze and Excitation Network,SENet)、门控循环单元(Gated Recurrent Unit,GRU)和深度神经网络组成的模型,用于自动调制识别接收信号。首先,采用基准数据集RML2016.10a和RML2016.10b同相正交数据作为模型输入;其次,构建识别模型,其中,相位变换用于降低相位偏移对调制识别的影响,GhostNet和GRU分别用于提取调制信号的空间特征和时间特征,SENet用于对特征图权重进行调整;而后,通过深度神经网络进行分类;最后,对所提模型进行了训练及测试。实验结果表明:与现有模型CGDNet、CLDNN、IC-AMCNet、MCLDNN和LSTM相比,所提出模型显著降低了参数量,有效提升了低信噪比条件下的识别准确率,平均识别准确率分别达到62.30%和64.45%。

基于增强注意力门控U-Net的建筑物提取研究

针对经典深度学习语义分割网络对建筑物提取存在精度较低、边界模糊和小目标识别困难的问题,本文提出一种增强注意力门控的U型网络(advanced attention gate U-Net,AA_UNet)用于改善建筑物提取的效果,该网络改进经典U-Net的结构,使用VGG16作为主干特征提取网络、注意力门控模块参与跳跃连接、双线性插值法代替反卷积进行上采样.实验采用武汉大学建筑物数据集(WHU building dataset,WHD)对比提出的网络与部分经典语义分割网络的提取效果,并探究网络改进的各个模块对提取效果的影响.结果显示:该网络对建筑物提取的总精度、交并比、查准率、召回率和F1分数分别为98.78%、89.71%、93.30%、95.89%、94.58%,各项评价指标均优于经典语义分割网络,且改进的各个模块有效提高了提取精度,改善了建筑物轮廓不清晰和小目标建筑物破碎的问题,可用于精准提取高分辨率遥感影像中的建筑物信息,对城市规划、土地利用、生产生活、军事侦察等具有指导意义.

基于改进U⁃Net和跨模态自蒸馏的医学图像融合

针对医学图像融合方法中存在融合图像信息完整性丢失和跨模态特征提取不足的问题,提出了一种基于改进U-Net和跨模态自蒸馏的医学图像融合方法。该方法改进了U-Net的编码部分,设计了一个双分支编码器,它结合了CNN和Transformer的优势,能够更有效地捕捉和保留医学图像的局部特征和全局特征,解决了信息完整性丢失的问题。采用跨模态自蒸馏技术,在两幅医学图像的CNN分支之间、Trans⁃former分支之间进行信息传递,加强不同模态特征之间的交互,最大程度地获取跨模态特征。在解码阶段,提出注意力门机制代替U-Net中的跳跃连接,保证网络能够有效关注关键特征,进一步增强了融合图像的信息完整性。实验结果表明,相较于其他方法,该方法得到的融合图像不仅保留了更完整的纹理细节和边缘信息,而且有效地解决了跨模态特征提取不足的问题。

基于残差注意力U-Net结构的端到端歌声分离模型

歌声分离是音乐信息检索领域最具挑战的任务之一,本文对基于Wave-U-Net的歌声分离模型进行了改进以增强其性能。首先,在Wave-U-Net的编码和解码块中设计并引入了残差单元以增强其特征提取的有效性和训练效率;然后,在Wave-U-Net的跳跃连接部分设计并引入了注意力门控机制以减少从编码块对应层提取的特征和来自解码块上一层特征之间的语义鸿沟。在MUSDB18数据集上的实验结果表明:本文提出的RA-WaveUNet模型在分离性能上优于传统的Wave-U-Net模型;采用残差单元和注意力门控机制均有助于提高模型的性能。

基于.NET的《中华易客》电子商务门户的设计

基于ASP.NET技术与SQL Server2000数据库,开发了三层架构的电子商务门户.分析了ASP.NET技术的特点,同时对系统的功能模块设计及其实现过程进行了详细的介绍.

基于RAU-net的视网膜OCT图像快速自动分层研究

利用计算机图像处理技术自动分割视网膜图像,获得各层的厚度,可对多种视网膜疾病进行直观评估.为了快速准确地对OCT视网膜图像进行自动分层,提出一种结合RAU-net和图像搜索的视网膜图像自动分层方法.该方法在U-net的基础上加入了残差块结构和注意力门结构,残差块结构在构建更深的网络、获取高级特征的同时,有效避免了梯度消失和梯度爆炸问题,注意力门结构突出了模型对视网膜图像重要特征的学习.由模型预测后得到的分割结果获取9条边界的感兴趣区域,然后运用图像搜索对分层图像进行边界优化,得到精确的视网膜分层图像.结果表明:该RAU-net算法与手动分层的误差约为1像素,且完成1帧OCT视网膜图像的分层只需要4 s.通过RAU-net与图像搜索相结合的方法为视网膜疾病的临床诊断和治疗提供了快速准确的定量分析方法.

PRA-UNet3+:全尺度跳跃连接CT肝脏图像分割模型

器官损伤死亡率高,严重威胁着人类的生命安全。人体内脏形态多样,解剖结构复杂,因此器官图像的准确分割有助于医生进行诊断。医学图像对高精度分割模型的需求很大,然而,大多数医学图像分割模型都是直接从一般的图像分割模型迁移过来的,常常忽略了浅层特征信息以及边界的重要性。为解决该问题,提出使用注意力门和点采样方法获得高质量分割边界的图像分割模型。在常用的肝脏医学图像数据集CHAOS上对该模型进行评估,平均Dice达到0.946 7,平均IoU达到0.962 3,平均F1 Score达到0.935 1,证明该模型可同时学习图像细节特征和全局结构特征,能更好地对肝脏图像进行分割。

融合多尺度门控卷积和窗口注意力的结肠息肉分割

结肠息肉的准确分割对于切除异常组织和降低息肉转换为结肠癌的风险具有重要意义.目前的结肠息肉分割模型在对息肉图像进行分割时存在着较高的误判率和分割精度较低的问题.为了实现对息肉图像的精准分割,提出了一种融合多尺度门控卷积和窗口注意力的结肠息肉分割模型(MGW-Net).首先,设计一种改进的多尺度门控卷积块(MGCM)取代U-Net的卷积块,来实现对结肠息肉图像信息的充分提取.其次,为了减少跳跃连接处的信息损失并充分利用网络底部信息,结合改进的空洞卷积和混合增强的残差窗口注意力构建了多信息融合增强模块(MFEM),以优化跳跃连接处的特征融合.在CVC-ClinicDB和Kvasir-SEG数据集上的实验结果表明,MGW-Net的相似性系数分别为93.8%和92.7%,平均交并比分别为89.4%和87.9%,在CVC-ColonDB、CVC-300和ETIS数据集上的实验结果表明其拥有较强的泛化性能,从而验证了MGW-Net可以有效地提高对结肠息肉分割的准确性和鲁棒性.

面向开放场景虚拟试衣的服装图像规范化复原

基于深度学习的虚拟试衣模型难以直接应用于从开放场景中获取的带有扭曲的非规范化服装图像,提出一种面向开放场景虚拟试衣的服装图像规范化复原网络,对带有扭曲的服装图像进行规范化复原,弥补非规范化服装图像与现有虚拟试衣模型之间的适配鸿沟。所提出的服装图像规范化复原网络以U-Net为骨干,以图到图的形式生成规范化复原图像。在U-Net的跳跃连接中设计了服装特征图扭曲模块和软门控单元,分别实现了特征对齐和区域筛选,有利于提高规范化复原图像的视觉质量。在规范化复原和虚拟试衣两个方面验证了所提模型的有效性。试验结果表明,所提模型的定量指标SSIM(structural similarity index measure)、PSNR(peak signal-to-noise ratio)、LPIPS(learned perceptual image patch similarity)分别达0.771、22.413、0.213,并在规范化复原图像中较好地保留了服装的图案及纹理,能够满足开放场景的虚拟试衣需求。

基于CNN-GRU的阻拦装置受阻对象撞索速度软测量

阻拦装置作为受阻对象安全拦停的重要保障,无法实时获取受阻对象撞索速度。针对该问题,提出了新的CNN-GRU软测量模型。首先,针对阻拦装置的数据特点将序列扩充为三维矩阵;然后,将通道注意力机制与残差模块结合,用于挖掘序列特征、降低数据维度;最后,将提取的特征重新转换为序列并通过门控循环单元推理受阻对象撞索速度。实验证明,该方法在阻拦装置受阻对象撞索速度软测量中具有较高的准确率。

嵌入式无线收发智能家居网关设计与实现

目的将基于蓝牙技术的个人区域网与基于BACnet的小区内部局域网相连接,使家庭中的各种设备通过安全的无线链路连接到CPU上,进行个人控制与小区内部物业管理系统的信息交换.方法建构系统组网模型,采用精简的TCP/IP协议包,在BACnet协议栈与蓝牙协议栈之间建立一条无缝链路.研究其算法实现步骤、协议软件连接以及系统硬件构成.结果利用无线网关和外部网络连接构成的智能化家居网络,可提供集中和异地的数据通信,使信息在家庭内部和外部之间充分流通和共享,避免了传统网络在家庭中错综复杂的布线方式,解决了蓝牙技术不能远距离传输的问题.结论基于蓝牙技术的个人区域网使智能家居网络系统具有更加广泛的灵活性和可扩展性,适用于住宅小区网络系统应用.

基于有色Petri网的逻辑电路仿真模型设计

提出了一种受控有色Petri网(CCPN)模型.该模型在有色Petri网的基础上对逻辑电路的拓扑结构和动态运行过程进行了形式化描述,给出了逻辑电路与CCPN的映射关系,引入了受控门函数集,并按照充分考虑逻辑电路特殊性和稳定性的激发规则,加入了有效的约定,较好地解决了逻辑电路仿真过程中电路拓扑结构难以有效描述的问题.在此基础上,给出了信号在模型中动态传递的描述性算法及其实现方法,并举例说明了基于该模型的逻辑电路仿真过程.

含逻辑门的雷达组网作战效能评估研究

为了充分考虑雷达组网系统中若干子层重要指标对整体效能的影响,更加贴切地反映装备的真实效能,将"逻辑门"的思想应用到雷达组网作战效能指标的聚合中,构建了基于"逻辑门"的雷达组网作战效能评估指标层次体系;并应用模糊综合评价法,对系统中主要指标进行评估,解决了类似于"一票否决"式指标对雷达组网系统整体效能的影响问题,为合理评价该系统效能提供了一种方法。

两级解调FBG传感复用技术

采用两级解调的方法,优化了WDM/SDM光纤光栅传感复用系统的解调规则,探索了采用双解调系统,同时对光纤光栅传感阵列进行解调以提高传感系统解调速度的方法.在系统设计中采用PetriNet理论来解决多解调系统协调运行的问题·通过构建双解调四通道的布喇格光纤光栅应变传感复用系统验证了多解调复用技术的可行性,采用排队论理论,模拟仿真了双解调系统的性能·理论分析和实验表明双解调系统的平均等待时间比传统的解调方法的平均等待时间低一个数量级·

基于OPC服务网关的企业信息网与控制网的融合

企业信息网与控制网之间的瓶颈是电厂控制、管理的一个重要问题。基于OPC技术的服务网关能够消除这一瓶颈,OPC作为一种开放的工业标准,具有实时数据传递、负荷监测等功能,能够有效地标准化、规范化电厂网络系统中的数据通信,实现企业信息网与控制网的融合。该文在分析了企业信息网与控制网的不同特点的基础上,提出了一个基于OPC服务网关的解决方案,并且给出了实现的关键技术,解决了可靠性、实时性、可用性和NAT地址转换等问题。

基于PIC单片机的智能照明系统USB-DALI网关研究

数字化可寻址调光接口技术(DALI)是专门应用于智能照明系统的一类总线技术。使用该技术的照明系统采用主从式架构。USB技术广泛应用于各种电子设备中。结合USB接口技术,利用PIC18F4550芯片设计一款DALI网关,实现DALI总线与主控制器(计算机)的通讯。在Windows环境下利用LabVIEW建立主控控制软件。

基于DTBN的动量轮备份系统剩余寿命预测研究

可靠性及剩余寿命分析是基于状态的系统维护(CBM)的基础,具有重要的指导意义。目前对部件级寿命预测的研究比较成熟,但对系统级寿命预测的研究甚少。本文基于动态故障树对动量轮备份系统进行可靠性及寿命预测分析,对现有文献中备份部件失效概率密度的描述方法进行了改进,以满足当t→∞时累积失效概率和等于1,并将改进后的部件失效概率密度描述方法结合离散时间贝叶斯网络(DTBN)对备份门的求解进行了分析。最后,以动量轮备份系统为实例进行可靠性及寿命预测分析。