学术中心
图1 AWUNet的总体架构。采用注意门控模块和小波池化层对跳接进行了改进
图2 在AWUNet模型中使用的注意门模块
图3 Mini-batch size比较
图4 训练AWUNet模型的优化器的比较
图5 研究中使用的各种优化器的骰子系数损失20230108AWUNet基于注意门
图6 VGG UNet
图7 ResNet UNet
图8 样本示例
图9 用于消融研究的骰子系数损失比较
图10 a本文提出的AWUNet与其他方法的整体分割比较。b本文提出的AWUNet和其他方法的骰子系数损失
图11 分割结果与迁移学习UNet叶面积分割结果的比较a original image, b ground truth,c VGG16 UNet, d VGG19 UNet, e ResNet UNet, f UNet, g AWUNet;最先进的叶面积分割方法对分割结果的比较h original image, i ground truth, j UNet ++, k Inception UNet, l SAUNet, m INCSA UNet, n AWUNet
来 源
Banu, A.S., Deivalakshmi, S. AWUNet: leaf area segmentation based on attention gate and wavelet pooling mechanism. SIViP (2022). https://doi.org/10.1007/s11760-022-02403-z
编 辑
王春颖
扩展阅读
扫二维码用手机看
推荐新闻

发布时间 : 2022-11-13 07:26:55

发布时间 : 2022-05-20 11:45:57

发布时间 : 2022-05-13 10:56:43
视频展示
专题报道
联系我们
慧诺瑞德(北京)科技有限公司
地址:北京市海淀区西三旗街道建材城中路12号院8号楼2门
电话:010-62925490、82928854、82928864、82928874、18600875228
传真:010-62925490-802
Email: info@phenotrait.com
邮编:100096
在线留言
关注我们

植物表型圈

植物表型资讯
慧诺瑞德(北京)科技有限公司版权所有 京ICP备15043840号 网站建设:中企动力 北二分 法律声明