MMAug, 2019

DFPENet-geology：一个用于高精度共震滑坡识别和分割的深度学习框架

PDF
TL;DR这篇论文讨论了一种识别和分割地震滑坡的方案，其中存在过度拟合问题和模型冗余，需要改进。作者因需要专家的评价来改进论文，决定暂时撤回在 arXiv 上的论文，并会在最终版获得批准后更新。
seismic landslidesdata overfittingmodel redundancygeological feature fusionpeer review
发现论文，激发创造
  • 利用异质集成深度学习分类技术自动化全球滑坡检测

    使用多个分割模型和不同的数据集，构建一个集成模型来提高山体滑坡地貌图的制作精度。集成模型使用 Sentinel-1 和 Sentinel-2 波段结合，以及通过植被指数 dNDVI 的变化来构建一个健全可靠的监测系统。

    Sep, 2023

  • 一种基于高分辨率遥感影像和数字高程模型数据的超像素对比学习增强的旧滑坡检测分割网络

    通过引入高像素对比学习增强分割网络（HPCL-Net）来可靠提取语义特征，从而加强了原地滑坡分割模型的可靠性。在一个黄土高原的老地滑数据集上的实验证明，与之前的模型相比，该模型显著提高了原地滑坡的检测准确率。

    Aug, 2023

  • 利用遥感图像和深度神经网络进行滑坡检测与分割

    基于多源遥感图像输入的深度神经网络系统用于滑坡检测和分割，通过特征工程、网络架构和结合损失函数等方法提高了性能。

    Dec, 2023

  • 决策融合网络与感知微调的缺陷分类

    表面缺陷检测是工业检测中的重要任务，本文提出了一个决策融合网络 (DFNet)，通过融合语义决策和特征决策来增强网络的决策能力，同时引入感知微调模块 (PFM) 来对前景和背景进行微调，并通过一个内外分离权重矩阵来解决标签边缘不确定性的影响，在公开数据集上验证了所提方法的有效性。

    Sep, 2023

  • Landslide4Sense: 滑坡检测的参考基准数据和深度学习模型

    介绍了用于遥感图像中滑坡检测的 Landslide4Sense 基准数据集，用于支持深度学习的研究和方法开发，评估了 11 个最先进的分割模型的表现，证明 ResU-Net 在滑坡检测任务中表现最佳。

    Jun, 2022

  • 地震工程中的深度学习：综述

    该研究综述了利用深度学习（DL）作为解决地震工程中存在的挑战性问题的强大工具所引起的日益浓厚的兴趣，并通过讨论方法论的进步和探索不同研究主题中的各种 DL 应用，来揭示 DL 在地震工程研究和实践中的机遇和挑战。

    May, 2024

  • FP-PET：大模型、多损失与专注实践

    本研究提出了 FP-PET，这是一种针对 CT 和 PET 图像的医学图像分割的综合方法。利用 AutoPet2023 挑战赛的数据集，研究采用了多种机器学习模型，包括 STUNet-large、SwinUNETR 和 VNet，实现了最先进的分割性能。文章引入了一个综合评估指标，结合了 Dice 分数、假阳性体积（FPV）和假阴性体积（FNV），提供了模型有效性的全面衡量。研究还讨论了与模型训练相关的计算挑战和解决方案，该训练使用高性能 GPU 进行。研究还探讨了预处理和后处理技术，包括高斯加权方案和形态学操作，以进一步优化分割输出。本研究为高级医学图像分割的挑战和解决方案提供了有价值的见解。

    Sep, 2023

  • 自动盐堆分割：一种深度学习方法

    本文介绍了一个基于深度学习的神经网络，利用 U-Net 结合 Spatial-Channel Squeeze & Excitation、Lovasz loss、CoordConv 和 Hypercolumn 等方法，对地震图像数据进行盐度沉积物区分。该方法在 TGS-NOPEC Geophysical Company 主办的竞赛中获得了第 27 名的好成绩，可以在链接中获取源代码。

    Nov, 2018

  • 多类地面分割的特征金字塔网络

    提出了一种基于完全卷积神经网络的自动多类土地分割方法，该网络具有良好的准确性和中等的内存使用率，可用于解决城市规划、环境工程或自然景观监测等问题。

    Jun, 2018

  • DSU-Net: 2D 地震初始震相采集的动态蛇 U-Net

    在地震勘探中，我们提出了一种新的语义分割网络（DSU-Net），通过引入动态蛇卷积到 U-Net 中，在 2D 地震首波捕捉任务中实现了更高的准确性和鲁棒性，实现了首波跳跃的有效检测和更好的水平连续性。

    May, 2024