基于M-Unet的混凝土裂缝实时分割算法

针对主流深度学习裂缝分割算法消耗大量计算资源、传统图像处理方法检测精度低、丢失裂缝特征等问题,为了实现对混凝土裂缝的实时检测和在像素级水平上分割裂缝,提出一种基于轻量级卷积神经络M-Unet的裂缝语义分割模型,首先对MobileNet_V2轻量网络进行改进,修剪其网络结构并优化激活函数,再用改进的MobileNet_V2替换U-Net参数量巨大的编码器部分,以实现模型的轻量化并提升裂缝的分割效果。构建包含5160张裂缝图像的SegCracks数据集对提出方法进行验证,试验结果表明:优化后的M-Unet裂缝分割效果优于U-Net、FCN8和SegNet等主流分割网络和传统图像处理技术,获得的IoU_Score为96.10%,F1_Score为97.99%。与改进前UNet相比,M-Unet权重文件大小减少了7%,迭代一轮时间和预测时间分别缩短了63.3%和68.6%,IoU_Score和F1_Score分别提升了5.79%和3.14%,并且在不同开源数据集上的交叉验证效果良好。表明提出的网络具有精度高、鲁棒性好和泛化能力强等优点。

基于改进U-net的少样本煤岩界面图像分割方法

煤岩图像语义分割技术是煤岩界面识别的重要研究方向,现有的语义分割模型通常依赖于大样本数据集进行训练,然而目前已标注的煤岩图像数据样本难以获取,并且缺乏公开数据集。针对以上问题,提出了一种基于改进U-net模型的样本煤岩界面图像分割模型。将裁剪后具有更强特征提取能力且结构上更为简单的VGG16替换U-net的原始骨干特征提取网络,提升对图像信息的特征提取能力并获得更快的训练速度,在U-net网络的跳跃连接和解码器上采样部分引入注意力机制模块,对提取的特征层进行处理,提升模型对煤岩界面图像关键特征的提取能力,提高分割精度。使用迁移学习方法对改进的模型进行预训练,提高模型泛化能力同时避免过拟合,使模型更适用于小样本数据集训练。通过使用自制的煤岩界面数据集对所改进的网络模型性能进行验证,并将该模型与经典Unet、DeepLabv3+、PspNet、HrNet网络模型进行了对比。试验结果表明:在同样使用由125幅煤岩界面图片构建的小样本数据集进行训练的情况下,所提改进模型相较于经典U-net模型在分割精确度和检测效率方面都有显著提升,模型精确度提高了1.84%,平均交并比提高了5.34%,类别平均像素准确率提高了0.48%,检测速度增幅为5.3%。同时,与其他网络模型相比,所提改进模型在小样本煤岩界面图像的语义分割中优势显著,表明所提改进思路的有效性。

对外开放对全国统一大市场建设的影响研究:基于我国市场分割的视角

双循环新发展格局下,进一步扩大对外开放将成为我国构建全国统一大市场的关键。在分析对外开放影响全国统一大市场建设的理论机制基础上,选取2005—2020年中国省级面板数据,构建空间计量模型,检验对外开放对我国市场分割产生的空间溢出效应,并通过中介效应模型对理论机制进行检验。研究表明:对外开放能显著降低本地区的市场分割程度,具有正向的空间外溢效应;理论机制检验进一步发现,对外开放通过国企股份制改革、基础设施建设以及提高地区经济发展水平三条路径打破市场分割局面,对全国统一大市场建设产生积极效应。

数字赋能、市场分割与出口产品质量

数字经济对企业的生产选择和贸易行为产生了深远的影响。采用2011—2015年沪深A股上市企业与中国国家海关数据库的匹配数据,运用面板固定效应和中介效应模型,从市场分割的视角出发分析数字赋能对出口产品质量的影响效应和作用机制。实证结果表明,数字赋能、市场分割均对出口产品质量有提升作用,而数字赋能和市场分割的交互作用却会抑制出口产品质量升级。异质性检验结果表明,数字赋能和市场分割的交互作用会对国有性质、有海外子公司、位于中西部地区和生产非高技术含量产品企业的出口产品质量产生更明显的抑制效果。此外,数字赋能和市场分割会通过提升企业市场势力、缓解融资约束和增强进口强度影响出口产品质量。据此提出加快企业数字化转型,持续推进全国统一大市场建设,建立全要素、全过程、全数据的质量保证管理体系的政策建议。

基于改进DeeplabV3+的遥感图像道路分割模型

针对遥感图像道路分割边界模糊和遮挡难以区分的问题,提出了基于改进DeeplabV3+的遥感图像道路分割模型。该模型在主干网络中引入MobileNetV3和高效通道注意力机制(ECA),减少了参数量并关注连续的道路特征信息。在解码过程中采用多级上采样,增强了编码器和解码器之间的紧密连接,全面保留了细节信息。同时,在ASPP模块中采用深度可分离膨胀卷积DS-ASPP,显著减少了参数量。实验结果表明,该模型在Massachusetts Roads数据集上的交并比达到了83.71%,准确率达到了93.71%,分割精度最优,模型参数量为55.57×10^(6),能够有效地避免边界模糊和遮挡导致的错漏检问题,在遥感道路分割中提高了精度和速度。

基于斜坡单元和语义分割的皖南地区滑坡灾害易发性评估

滑坡灾害严重影响着人们的生命和财产安全,对自然环境造成重大破坏。以斜坡单元为单位进行滑坡易发性评估能够更加接近真实的滑坡地形,为滑坡灾害的防治提供更加科学的理论支持。本文以安徽省皖南地区为研究区,基于黄山、宣城、池州市滑坡点数据以及皖南地区基础地理数据,利用主成分分析和多重共线性分析方法筛选滑坡评价因子,提出将斜坡单元几何形状信息和语义分割方法相结合的创新方法,构建滑坡灾害易发性评估模型,对皖南地区的滑坡灾害易发性进行评估,揭示其空间分布规律。结果表明:结合斜坡单元和语义分割方法构建的滑坡易发性评估模型具有较高的预测精度,能够充分考虑斜坡单元的几何形状信息对滑坡易发性的影响,较为准确地评估皖南地区的滑坡易发性。评估结果符合滑坡形成机理,其中62.19%的滑坡单元分布在滑坡易发性等级中—高的斜坡单元上,模型预测AUC值为0.878,与缺少几何形状信息的CNN模型进行对比,预测精度明显提高。

U型卷积网络在乳腺医学图像分割中的研究综述

U-Net及其变体模型在乳腺医学图像分割领域展现了卓越的性能,U-Net采用全卷积网络(FCN)结构进行语义分割,U-Net对称结构的高度灵活性和适应性可以通过调整网络深度、引入新的模块来适应不同的图像分割任务和挑战,这种创新结构对后续网络设计产生了深远影响。深入探讨了基于U型卷积网络在乳腺医学图像分割中的应用,并对近年来用于乳腺医学图像分割的U型卷积网络进行了分类与归纳。针对U-Net网络结构改进的乳腺医学图像分割技术进行了如下总结。阐述了目前广泛使用的乳腺医学图像数据集及评价指标,陈述了常用的数据增强方法;详细介绍了U-Net模型的网络结构以及用于乳腺医学图像的传统分割方法;对用于乳腺医学图像分割方法的U型网络结构按照残差结构、多尺度特征、膨胀机制、注意力机制、跳跃连接机制、结合Transformer等方面改进进行归纳总结。讨论了当下乳腺医学图像分割所遇到的问题与挑战,对未来的研究走向做出了展望。

共有网络平台账号的分割与价值评估——以黄某与陈某同居关系析产纠纷为例

网络平台账号不仅包含用户名和密码的数字组合,也包含了各种数据、人身利益和财产利益。网络平台账号基于网络平台与用户签订服务合同而产生;用户通过账号和密码对网络平台账号进行排他使用,并通过粉丝打赏和直播带货等方式获得收益。网络平台账号内发布的内容多是用户创作的作品,属于智力成果;账号内的粉丝对于用户具有依赖性。因此,作为虚拟财产的共有网络平台账号与网络游戏装备、加密虚拟货币等虚拟财产不同,其法律属性是一种新型权利,除具有物权、债权、知识产权的权利属性外,还具有人格属性。多人共有的网络平台账号具有分割的可能性。对于具有人格属性的共有网络平台账号,当注册者与运营者不同时,分割应以保留网络平台账号的最大价值为原则,考虑粉丝群体的情感投入和网络平台账号继续经营问题,将网络平台账号分割给实际运营者,并对注册者予以价值补偿。网络平台账号的价值构成要素应包括账号的创建成本、运营成本、粉丝打赏收入、直播带货收入以及广告运营收入等。对网络平台账号的价值评估可以采用成本法、市场法和收益法的有机结合,同时可以吸收网络平台规则,采用大数据等技术手段确保评估结果的相对准确性。司法鉴定机构可以联合网络平台构建虚拟财产价值评估体系,充分参考网络平台的价值评估意见,以确保司法裁判的准确性和公正性。

分割还是融合:数字经济如何影响中国城乡劳动力就业市场

中国经济步入新时代后,数字经济的快速发展为城乡劳动力就业市场带来了新的挑战。区别于以往在传统经济发展情境下对城乡劳动力就业市场的研究,本文将数字经济发展与中国城乡劳动力就业市场纳入同一研究框架,以探究数字经济冲击对城乡劳动力就业市场的影响。在理论上,构建数字经济冲击背景下城乡边际劳动生产力分割和劳动力流动的理论模型;实证上,基于2013~2020年中国省级面板数据,检验了数字经济对城乡劳动力就业市场的影响与机制,并进一步分析了数字金融的效能。研究发现:第一,数字经济显著促进了城乡劳动力就业市场的分割,这一结论在利用多种方法进行稳健性检验后依然成立;第二,数字经济对城乡劳动力市场分割的影响具有区域异质性差异,所有制分割是数字经济推动城乡劳动力市场分割的重要条件;第三,数字经济相关产业的发展及区域产业结构的转型升级是数字经济影响城乡劳动力就业市场分割的有效机制;第四,数字金融作为产业数字化融合的典范,显著抑制了城乡劳动力就业市场分割。此结论可为探讨数字经济为城乡劳动力就业市场带来何种改变,以及带来这种改变的机制为何提供有益参考。

基于改进Canny边缘检测的堆叠货箱分割定位方法

为了提高集装箱卸货的自动化水平,针对集装箱内堆叠货箱难分割定位的问题,提出了一种基于改进Canny边缘检测的堆叠货箱分割定位方法。通过阈值分割和形态学处理进行图像预处理,去除背景干扰,提取堆叠货箱区域图像,基于改进Canny算法对堆叠货箱进行边缘检测,根据堆叠货箱边缘特征进行筛选并基于最小二乘法进行直线拟合,解决边缘线条不连续和虚假边缘问题,对边缘进行区域化处理,以此将堆叠货箱分割成独立的货箱区域,提取每个独立货箱的最小外接矩形,得到货箱中心点的位置信息。实验结果表明,该方法对堆叠货箱有很好的分割效果,定位精度小于5 mm,满足定位精度要求。

改进YOLOv5s-Seg的高效实时实例分割模型

实例分割是图像分割的重要组成部分,同时也是计算机视觉领域的一个重要课题。然而现有实例分割模型不能在保证实时性的同时保证模型分割精度,因此在实时实例分割任务中一直存在精度过低、定位不精确的问题。针对此问题,提出了一种基于YOLOv5s-Seg改进的实时实例分割模型。以YOLOv5s-Seg作为网络的基础模型,主干网络选用Repvit m3网络,然后改进FPN结构,在FPN结构中将原始得到的C3卷积模块升级为RsRepVitBlock模块,并在其内部使用ECA注意力机制,最后采用SIoU作为模型的边界框损失函数。该算法在公开数据集PASCAL VOC 2012上的实验结果显示,改进后的模型分割精度mAP达到了65.7%,较原模型YOLOv5s-Seg提高了10.6个百分点。该模型大幅提升了分割精度,并且有效地改善了分割任务中定位不准确的问题。相较于其他模型,具有显著的精度优势和更好的模型稳定性。

国家重点产业规划、地方政府博弈与市场分割

国家重点产业规划是政府协调资源配置的重要“指挥棒”,但实施过程中地方政府的同质化竞争可能会给建设全国统一大市场带来市场分割的威胁。本文基于新经济地理学的建模思想,引入博弈论的分析范式,建立了在国家重点产业规划下地方政府间策略选择的竞争模型,并对博弈假设、核心结论和机制进行检验。研究发现:地方政府对国家重点产业规划的盲目追随会引发地方政府间的同质化竞争,进而可能加剧市场分割;设置“高墙”是地方政府的绝对占优策略,能否形成合理的产业分工格局与区域间技术交流及交易成本密切相关;地方保护与本地整体产能间呈现倒U形关系,持续高涨的区域壁垒不利于产能红利的释放。

基于Res-UNet算法的螺旋溜槽精矿带识别分割方法研究

螺旋溜槽在铁、锡、钛、钽铌等金属及硫、煤等非金属矿的选矿生产中获大量应用,但目前螺旋溜槽的精矿截取调节控制还是依赖于人工,急需开发一种精矿的自适应截取技术代替人工截取以提高螺旋溜槽的生产效率。而实现这一目标的首要任务就是需要解决依赖人工肉眼获取精矿带位置信息的问题,因此提出了一个改进的UNet网络模型Res50-UNet-FD。算法模型使用UNet模型为基础,将残差网络ResNet50代替UNet网络中编码部分的特征提取网络,解决了深层特征提取过程中特征梯度消失以及网络消失的问题,有效提升了螺旋溜槽精矿带特征信息提取的精度。同时,为了改进和优化螺旋溜槽精矿带图像样本数据难易不平衡的问题,利用FocalLoss和DiceLoss的混合损失函数代替原本的CELoss损失函数。经对比,本文算法优于VGG-UNet、Res34-UNet、DC-UNet网络模型,算法模型的mIOU、mPA、F1分数和精确度分别为0.9632、0.9869、0.9870、0.9907。在性能指标上,本文算法无论是mIOU、mPA还是F1分数,整体性能都比VGG-UNet、Res34-UNet、DC-UNet网络模型高,算法的整体性能稳定。本文算法实现了对螺旋溜槽精矿矿带的分割识别,分割精度可以满足生产中对螺旋溜槽精矿分带特征信息识别的需求,为实现螺旋溜槽精矿的自适应截取奠定基础。

基于激光雷达点云的动态驾驶场景多任务分割网络

在自动驾驶场景理解任务中进行准确的可行驶区域以及动静态物体分割对于后续的局部运动规划和运动控制至关重要。然而当前基于激光雷达点云的通用语义分割方法并不能在车端边缘计算设备上实现实时且鲁棒的预测,且不能预测当前时刻的物体运动状态。为解决该问题本文提出一种可行驶区域及动静态物体多任务分割网络MultiSegNet。该网络利用激光雷达输出的深度图及处理后得到的残差图像作为编码空间特征和运动特征的表征输入到网络用于特征学习,从而避免直接处理无序高密度点云。针对深度图在不同方向视角内目标分布数量差异较大的特点,本文提出了变分辨率分组输入策略。该方法能在降低网络计算量的同时提高网络的分割精度。为适配不同尺度目标所需要的卷积感受野尺寸本文提出了深度值引导的分层空洞卷积模块。同时本文为有效关联并融合不同时域下物体的空间位置和姿态信息提出了时空运动特征增强网络。为验证所提出MultiSegNet的有效性,本文在大规模点云驾驶场景数据集SemanticKITTI及nuScenes上进行验证。结果表明:可行驶区域、静态物体和动态物体的分割IoU分别达到98%、97%和70%,性能优于主流网络,且在边缘计算设备上实现实时推理。

基于语义分割的带式输送机煤料运输区域检测算法

针对煤炭运输过程中,经常无法保持煤炭在带式输送机上的运量均匀,使得带式输送机长时间全速运转而造成电能浪费和设备无效磨损的问题,提出一种基于语义分割的带式输送机煤料运输区域检测算法。该算法在DeeplabV3+的基础上,根据特征通道之间的相互依赖关系,引入注意力机制,使用不同扩张率的卷积核获得多种尺度的语义信息,来精确分割出煤炭在带式输送机的运输区域。实验结果表明,该算法平均交并比(Mean Intersection over Union,MIoU)相比于DeeplabV3+算法提高1.24百分点,能够有效精准地分割出煤料的运输区域,为煤量估计工作提供有效的保障。

基于改进U^(2)-Net网络的金属涂层剥落与腐蚀图像分割方法

针对金属涂层缺陷图像分割中存在特征提取能力弱和分割精度低的问题,提出了一种改进的U^(2)-Net分割模型。首先,在U型残差块(RSU)中嵌入改进的增大感受野模块(receptive field block light,RFB_l),组成新的特征提取层,增强对细节特征的学习能力,解决了网络由于感受野受限造成分割精度低的问题;其次,在U^(2)-Net分割模型的解码阶段引入有效的边缘增强注意力机制(contour enhanced attention,CEA),抑制网络中的冗余特征,获取具有详细位置信息的特征注意力图,增强了边界与背景信息的差异性,从而达到更精确的分割效果。实验结果表明,该模型在两个金属涂层剥落与腐蚀数据集上的平均交并比、准确率、查准率、召回率和F_1-measure分别达到80.36%、96.29%、87.43%、84.61%和86.00%,相比于常用的SegNet、U-Net以及U^(2)-Net分割网络的性能都有较大提升。

统一大市场背景下制度性市场分割的理论阐释与治理优化

制度性市场分割是进一步深化经济体制改革的重点问题。从市场经济的长期发展来看,制度性市场分割与竞争政策相背离,有碍竞争机制的运行。但就经济发展的不同时期而言,其在某些阶段依旧具有工具价值。可见,制度性市场分割的治理方案应随经济的发展而调整。然而,现有治理体系未能适时回应统一大市场的建设需求,这主要体现在政绩考核导向存在偏差、竞争审查例外适用缺乏指引与区域性竞争状况评估有待激活。为此,应当及时优化治理对策:其一,以统一大市场的建设为导向完善政绩考核制度,强化行为预防;其二,在竞争审查例外适用中构建“1+N+竞争影响最小化”的论证模式,同时引入社会力量强化实施与监督,明确与其他治理环节的衔接问题;其三,构建区域性竞争状况评估“市场维度、民生维度与政策维度”的三维评估模式,进一步发挥反垄断制度的治理效能。

基于形色筛选的苹果园羽化害虫粘连图像分割方法

针对苹果园害虫识别过程中的粘连问题,提出了一种基于形色筛选的害虫粘连图像分割方法。首先,采集苹果园害虫图像,聚焦于羽化害虫。害虫在羽化过程中已完成大部分生长发育,其外部形态、颜色、纹理更为稳定显著。因此,基于不同种类害虫的形色特征信息分析,来获取害虫HSV分割阈值和模板轮廓。其次,利用形状因子判定分割粘连区域,通过颜色分割法和轮廓定位分割法来实现非种间与种间粘连害虫的分割。最后,对采集的苹果园害虫图像进行了试验分析,采用基于形色筛选的分割法对单个害虫进行分割,结果表明,本文方法的平均分割率、平均分割错误率和平均分割有效率分别为101%、3.14%和96.86%,分割效果优于传统图像分割方法。此外,通过预定义的颜色阈值,本文方法实现了棉铃虫、桃蛀螟与玉米螟的精准分类,平均分类准确率分别为97.77%、96.75%与96.83%。同时,以Mask R-CNN模型作为识别模型,平均识别精度作为评价指标,分别对已用本文方法和未用本文方法分割的害虫图像进行识别试验。结果表明,已用本文方法分割的棉铃虫、桃蛀螟和玉米螟害虫图像平均识别精度分别为96.55%、94.80%与95.51%,平均识别精度分别提高16.42、16.59、16.46个百分点。这表明该方法可为果园害虫精准识别提供理论和方法基础。

联合线性引导与网格优化的混凝土裂缝分割

针对混凝土表面裂缝分割过程中分割精度低、细微裂缝漏分和背景干扰等问题,提出一种联合线性引导和网格优化的裂缝分割模型。首先,在主干网络中引入多分支线性引导模块,通过自适应单维度池化增强网络对裂缝线性结构的表达能力,让不同区域的裂缝建立联系,增强全局上下文信息感知能力,提高网络分割精度;然后,提出网格细节优化模块,通过分区-优化-合并三步骤,将整个空间域划分为若干个空间网格,提取空间网格中的细微裂缝信息,防止细微裂缝漏分;最后,在主干网络的跳跃连接处嵌入混合注意力模块,在空间和通道双维度突出裂缝特征,减少背景干扰。在Deepcrack537,Crack500和CFD裂缝数据集上,所提模型的IoU值分别达到77.07%,58.96%和56.55%,F1-score值分别达到87.05%,74.19%和72.24%,明显优于大多数现有方法,具有更高的分割精度。

DFNet:高效的无解码语义分割方法

针对编解码语义分割网络计算量大、解码结构复杂的问题,提出一种高效无解码的二值语义分割模型DFNet。该模型首先去除主流分割网络中复杂的解码结构和跳跃连接,采用卷积重塑上采样方法重塑特征编码直接得到分割结果,简化网络模型结构;其次在编码器中融合轻量双重注意力机制EC&SA,提高特征编码的通道及空间信息交互,增强网络的编码能力;最后使用PolyCE损失替代常规分割损失,解决正负样本不均衡问题,提高模型的分割精度。在Deep‑Globe道路分割和CrackForest缺陷检测等二值分割数据集上的实验结果表明,本文模型的分割精度F1均值和IoU均值分别达到84.69%和73.95%,且分割速度高达94 FPS,远超主流语义分割模型,极大地提高了分割任务效率。