典型文献
基于改进U-Net网络的齿轮点蚀测量
文献摘要：
针对U-Net存在的小目标分割精度低、计算复杂度高、收敛慢的问题,构建基于空洞卷积和重构采样单元的U-Net网络(DSU-Net).在DSU-Net中,为增大图像特征提取的感受野并融合多尺度信息,设计具有不同膨胀率的空洞卷积层;针对池化过程丢失大量语义信息的缺点,构建将池化与卷积相结合的采样单元,并运用深度可分离卷积进行特征提取,从而增强神经网络的特征提取能力并降低计算成本.两个公开医学图像数据集的实验结果表明,在IoU、Dice Coeff和F1 Score三个评价指标上,DSU-Net较U-Net、ResU-Net、R2U-Net和U-Net++有着更好的分割性能.最后,将DSU-Net应用于齿轮点蚀的视觉测量,结果表明所提出方法能够更加精确地计算出齿轮点蚀面积率,从而解决了齿轮接触疲劳试验中高效准确检测齿轮失效的难题.
文献关键词：
图像分割;空洞卷积;深度可分离卷积;重构采样单元;齿轮点蚀;视觉测量
中图分类号：
作者姓名：
王四军;秦毅;奚德君
作者机构：
重庆大学机械与运载工程学院,重庆400044
文献出处：
引用格式：
[1]王四军;秦毅;奚德君-.基于改进U-Net网络的齿轮点蚀测量)[J].控制与决策,2022(12):3233-3239
A类：
重构采样单元,Coeff
B类：
齿轮点蚀,小目标分割,计算复杂度,空洞卷积,DSU,图像特征提取,感受野,多尺度信息,膨胀率,卷积层,池化,语义信息,深度可分离卷积,特征提取能力,低计算成本,医学图像数据,图像数据集,IoU,Dice,Score,ResU,R2U,Net++,视觉测量,齿轮接触疲劳,疲劳试验,图像分割
AB值：
0.279472
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
