unet论文发表在哪里的

意思：

1、孝顺：～子。尽～。

2、旧时尊长死后在一定时期内遵守的礼俗：守～。

3、丧服：穿～。戴～。

4、姓。

读音：xiào

笔划：

引用：西汉·戴圣《礼记·祭义》：孝有三：大孝尊亲，其次弗辱，其下能养。

解释：孝有三等。第一等的孝是能光父耀母，第二等的孝是不钻辱父母的令名，第三等的孝是能够赡养父母。

组词：孝衣、守孝、热孝、吊孝、孝女、孝道、孝顺、谢孝、孝子、孝服、孝敬、穿孝、不孝、孝心。

1、孝子[xiào zǐ] 对父母孝顺的儿子。

2、穿孝[chuān xiào] 旧俗，人死后亲属和亲戚中的晚辈或平辈穿孝服，表示哀悼。

3、挂孝[guà xiào] 戴孝。

4、重孝[zhòng xiào] 最重的孝服（一般是子女为亡父亡母所穿的孝服）。

5、孝经[xiào jīng] 《孝经》中国古代儒家的伦理著作。儒家十三经之一。

6、昭孝[zhāo xiào] 宣扬孝道。

7、含孝[hán xiào] 所怀的孝心。

8、行孝[xíng xiào] 遵行孝道。

9、孝孙[xiào sūn] 祭祖时对祖先的自称。

10、出孝[chū xiào] 既葬后除丧。孝，居丧之谓。

11、孝武[xiào wǔ] 即汉武帝刘彻，西汉皇帝，杰出的政治家。

我们可以看到，它能够结合图像的全局与局部细节方面的特征，进行综合的考虑。每经过几次卷积后，便会concatenate到后面的几层，直接传递到同高度decoder上进行信息融合。在刚开始卷积时，图像的feature map保留的是图像高分辨率的细节信息（病灶的具体形态，条状还是点状，边缘平滑亦或是粗糙等等），它能帮助最终我们的图像提供精细分割；而经过一次一次卷积池化后，最后在U-Net的最下层，此时的feature map中包含的是整幅图像的全局信息（病灶的总体位置、分布等），它能提供分割目标在整个图像中上下文语义信息，反应目标和周围环境之间的关系。最后再经过一层一层上采样，将不同层级的信息一步一步融合，便可融合多尺度的信息，得到最终我们的判别分割结果。用过U-Net的童鞋应该都知道，其很好的应用于少样本的医学图像。首先医学图像等样本，问题空间是很小的，例如，细胞核分割、细胞膜分割、视网膜血管分割等等。变来变去都是这几种样式，而且我们还能用多种方式进行数据的扩增，由几十张图片扩增到数十万张训练集图片。所以小样本的医学图像就能够表现得非常出色了。而对于一般生活中的图片，则比较难处理，其问题空间非常大（风景、建筑、人物等等），U-Net这么小的一个结构难以完全刻画其中的关系。另外，针对一般的医学图像，边界模糊、梯度复杂，需要较多的高分辨率信息用于精准分割。同时一般的医学分割目标在人体图像中的分布很具有规律，低分辨率信息能够提供这一信息，用于目标物体的识别。两者结合，正好是U-Net完美适用的场景。底层(深层)信息：经过多次下采样后的低分辨率信息。能够提供分割目标在整个图像中上下文语义信息，可理解为反应目标和它的环境之间关系的特征。这个特征有助于物体的类别判断（所以分类问题通常只需要低分辨率/深层信息，不涉及多尺度融合）高层(浅层)信息：经过concatenate操作从encoder直接传递到同高度decoder上的高分辨率信息。能够为分割提供更加精细的特征，如梯度等。为什么适用于医学图像？（1）因为医学图像边界模糊、梯度复杂，需要较多的高分辨率信息。高分辨率用于精准分割。（2）人体内部结构相对固定，分割目标在人体图像中的分布很具有规律，语义简单明确，低分辨率信息能够提供这一信息，用于目标物体的识别。 UNet结合了低分辨率信息（提供物体类别识别依据）和高分辨率信息（提供精准分割定位依据），完美适用于医学图像分割。同时结合高分辨率的局部信息，和低分辨率更大面积的信息 U-net的结构都了解，实际上就是一个编码-解码的过程：底层的特征（如Layer1，2，3的输出）更偏向于组成图像的基本单元，如点，线，边缘轮廓，而在高层抽象的特征（如Layer4，5）就更抽象，更近似于表示的是图像的语义信息，更像是一个区域了。解码仅仅是将抽象特征恢复到模板的过程。那么就有问题了，解码在将下采样数据恢复的时候，特征scale会发生变化，必然会有信息的丢失， skip connention的作用就凸显出来了，skip connention起到了补充信息的作用，在高层补充了语义的信息，在底层细化了分割的轮廓等，所以，想像一下我们从特征中已经大致恢复了区域的分割信息，再加上原始特征的修正，从传统分割算法里面想想，传统的方法中有基于边缘的分割方法，有基于区域的分割方法等等，而编码的过程恰恰不就是将两种方法的特征整合了吗，所以说在U-Net系列的语义分割网络中编码的好坏会影响最终的分割效果，也是为什么好多论文改进的地方主要集中在编码过程的原因。它有up-conv的操作，这说明是个auto encoder的架构，有点像全连接自变码器可以添加或去除噪音。这个cnn的自变码器学了局部特征然后压缩，再解压缩，最后获得边界识别能力它先全局观察，大致判断目标区域在哪里，然后把更细节的信息一起考虑进去，把分割做得更精确。

一、《孟子》提到了周代的伦理风俗：“ 不肖有三，无后为大。 ”保护传承祖先的基因血脉，实现发扬家族的社会功德，保证子女的生存和发展，是为人父母的法理责任和历史使命。忽视/虐待子女，吃祖宗饭断子孙路者，不配以儒教恶俗倚老卖老，因为这是悖逆自然法的。二、《孝经》开宗明义：“ 身体发肤，受之父母，不敢毁伤，孝之始也。 ”《儿童权利公约》宣告的儿童最大利益原则，由此而始。身为未成年子女的法定代理人，渎职侵权，漠视/摧残子女的生命健康，要求子女适应罪恶生活方式的主观唯心主义亡命之徒有什么强求“子孝孙贤”的物质基础？三、《圣经·旧约·出埃及记》20:12十诫第五条：当 HONOR 你的父母，使你的日子在耶和华你神所赐你的地上得以长久。中国曰：“ 显亲 ”。百年树人，责任重大。为人何以“光宗耀祖”，德泽后人？“ 为亲者瞒瞒瞒 ”的道德相对主义礼教恶俗隐去的是真诚扬起的是罪恶，“抬头三尺有神灵”，天网恢恢，无处是、家天下，您的一言一行关系子女的命运与品格。求真理走正道才能荣耀先祖造福后代。明理爱幼（好学重教）正是法天敬祖。天伦之福何等贵重！四、《孟子》本位主义主观片面的“老吾老以及人之老，幼吾幼以及人之幼”曾经作为家国代群越界侵权的“规矩”（心性群氓“推己及人”地发泄维护，代代相传）。而《礼记·礼运·大同篇》反映了万恶的儒家天下旧社会劳动人民的美好空想：“ 大道之行，天下为公，选贤与能，讲信修睦。故人不独亲其亲，不独子其子，使老有所终，壮有所用，幼有所长，矜寡孤独废疾者皆有所养。 ”《墨子》指出“ 孝，利亲也，以亲为爱 ”，子女“ 能能利亲，不必得 ”，“ 欲人之爱利其亲也 ”，自己必“ 先从事乎爱利人之亲，然后人报我以爱利吾亲也。然即交孝子者。 ”以真理大义驳倒儒家血腥私险恶俗阻碍破坏经济发展、社会进步及社会保障、公共事业的逻辑混乱的“小九九”。用不用养儿防老——都不尊重子女（“还不如养狗听话养猪省事”）的人只配回到旧社会甘当“家贫之犬”。总有一天，社会保障体系和公共服务事业能兼爱曾被孝道拖成“东亚病夫”的所有中国公民，男女老少每个地球人依法平等享有以公平正义为实现条件的福利和尊严。五、《世界人权宣言》第一条宣告：“ 人人生而自由，在尊严和权利上一律平等。他们赋有理性和良心，并应以兄弟关系的精神相对待。 ”这句话昭示着每个人的新生。（参见：博爱、婆媳关系、亲子关系）“人间正道是沧桑”，别了，淫情暴孝！

unet论文发表时间

通过一些特定的特征然后用修复算法来修复就可以实现

论文：论文翻译1 论文翻译2

亮点：

架构

attention模块用在了skip connection上，原始U-Net只是单纯的把同层的下采样层的特征直接concate到上采样层中，改进后的使用attention模块对下采样层同层和上采样层上一层的特征图进行处理后再和上采样后的特征图进行concate attention模块

这是3D的数据，F代表 feature( channel)，H 代表 height, W 代表 width， D代表 depth,就是3D数据块的深度。 Attention的意思是，把注意力放到目标区域上，简单来说就是让目标区域的值变大。

看下面这张图，xl本来是要直接通过跳跃连接和g上采样的结果进行concat，这里先对xl和g转成一样的size，然后相加，relu, sigmoid得到attention 系数后再与xl相乘。

为什么这样就能让注意力放到target区域呢？

文中提到要结合上下文的信息，其实上代表xl，g代表下，因为g学到的东西更多，信息更准确。为什么要加g呢？加g是很重要的，没有g就没有办法实现注意力系数的训练更新。我是这么理解的：g里面的信息，就是注意力该学习的方向。可以这么想，如果直接将g上采样一次得到g'，g'和xl的size一样。那么同样是target的区域的像素值，g'里的像素值会比xl里的像素值大，和xl叠加，就相当于告诉了xl应该去学习的重点。

把g里的信息叠加到xl，再通过训练使得attention 系数的值在0~1之间（让注意力更集中），让target区域的值趋近1，不相关的区域趋近0。

最后，让xl与attention coefficients相乘，相乘的结果里，就能把注意力放到目标区域上了。

总结：利用下采样层的结构化信息和当前层纹理信息的融合，利用sigmoid归一化，得到关联性强的区域，和当前层做乘积，从而强调本层的显著性区域的特征。

在基础的UNet的基础上增加了attention 的机制，通过自动学习参数来调整激活值，attention的可视化效果还是主要部分，不像non-local的方式每一个像素点都要和其他像素点进行关联，可以视作一种隐式的注意力机制。

参考链接： Attention U-Net--胡二妞 Attention U-Net--炼丹师 Attention U-Net--许希律医学图像分割-Attention Unet

Automatic Pixel-Level Crack Detection on Dam Surface Using Deep Convolutional Network 论文笔记论文：Automatic Pixel-Level Crack Detection on Dam Surface Using Deep Convolutional Network Received: 2020.01.17 大多数坝面裂缝检测只能实现裂缝分类及粗略的定位。像素级语义分割检测可以提供更加精确直观的检测结果。作者提出一种基于深度卷积网络的坝面裂缝检测算法。首先使用无人机进行数据采集，然后对采集到的图像进行预处理（包括裁剪、手动标注），最后对设计好的CDDS 网络结构进行训练、验证和测试。与ResNet152-based SegNet U-Net FCN 进行了比较。大坝是水电站的重要水利建筑物。大坝的安全运行对于水电站有着重要的意义。由于结构变形、地震、水流引起的裂缝对大坝坝体产生严重的影响并威胁到水电站的安全运行。因此，对大坝结构的定期健康评估，特别是对大坝裂缝的检测任务变得尤为重要。根据大坝裂缝的结构特征以及裂缝强度，人们可以对大坝的结构健康进行评估和监测。传统的大坝裂缝的巡检任务通常基于人工进行检测，但是效率低下、耗时费力，浪费了大量的人工成本，因此对裂缝的自动高效检测是非常必要的。基于计算机视觉的裂缝检测算法得到了广泛的研究。这些方法大多采用传统的图像处理技术和机器学习方法，以识别出一些简单的结构损伤。这些方法利用手工提取的特征从图像中提取特征，然后评估提取的特征是否表示缺陷。然而，上述方法的结果不可避免地受到主观因素的影响卷积神经网络（CNN）在图像分类和识别领域取得很大的进步，基于CNN的裂缝检测算法也展示出更优异的表现。大坝裂缝的特点：修补痕迹、噪声大、背景纹理复杂、非结构化的、分布不均匀、裂缝位置随机、背景模糊等缺点提出了一种像素级的大坝表面裂缝检测方法，利用深卷积网络进行特征提取。利用浅卷积层的定位特征和深卷积层的抽象特征，进行多尺度卷积级联融合和多维损失值计算，实现裂纹缺陷像素级分割，并以高精度、高效率等优点解决了坝面明显裂缝检测问题，消除了可能存在的安全隐患，确保了坝面安全。实验结果表明，该方法对大坝表面像素级裂缝的检测是最优的。语义分割 PSPNet [42],ICNet [43], Deeplabv3[44],UNet [45] and SegNet [46] 语义分割网络通常分为编码网络和解码网络。编码网络：卷积层：用于提取输入图像的特征池化层：减小feature map的规模，减轻计算负担。解码网络：反卷积层（反褶积层）：上采样还原feature map大小与输入图像相同，并输出预测结果。编解码网络结构高度对称：同时利用稀疏feature map和稠密feature map。为了融合sparse 和 dense feature ，采用跳跃模块以连接编解码网络。编码网络： 15 卷积层：3*3 步长1 4 池化层： 2*2 步长2 解码网络： 15 反卷积层 1*1 4池化层采用dropout和BN防止过拟合。 Skip branch 4个，1*1卷积和反卷积每个branch计算 branch loss，4个branch loss级联为总损失的一部分。 Skip branch 的输入输出图像大小不变。卷积核的通道数必须等于输入张量的通道数。降采样取矩阵最大值卷积核大小 2*2 步长为2。反褶积也叫做转置卷积通过上采样还原feature map与输入图像大小相同。上采样方法：反褶积法、插值法反褶积法：对张量进行zero-padding填充最外层，再用反褶积核进行反褶积，修剪第一行和最后一行。1000副5472*3648图像使用LEAR软件手动标记。得到504张数据集，404用于训练，50用于验证，50用于测试。在Linux系统上使用TensorFlow构建的在配置了8 GB GPU的HP工作站上执行培训、验证和测试利用Anaconda建立了CDDS网络的虚拟python环境评价指标： Precision精度表示在所有预测破裂的样本中，样本的基本真实性也被破解的概率。 Recall召回表明在所有标记为开裂的样本中，样本被预测为开裂的概率。当正负样本数量存在较大差距时，仅使用精确性或召回率来评估性能是不合理的。TPR表示所有标记为裂纹的样本中被正确预测为裂纹的概率。TNR代表以标签为背景的所有样本中被正确预测为背景的概率.F-measure考虑到查全率和查准率的综合影响，F-测度是一个综合指标。IoU是目标检测领域中常用的评价定位精度的方法。IoU表示预测结果与地面真实值的交集与联合的交集的比率。大坝表面裂缝图像分为背景和裂缝两类。背景像素的数目远大于裂纹像素的数目。通常情况下，我们会同时计算背景arrears和裂缝arrears，然后以两张arrears的平均数作为最终arrears。IoU值是由背景像素决定的，不能准确表达裂纹的定位精度。使用三种学习速率10^4,10^5,10^6 使用softmax函数计算概率使用Dice loss计算网络损失。裂缝骨架提取：快速细化算法调用OpenCV库，进行计算。计算裂缝面积及长度宽度。使用其他裂缝数据集进行补充验证，在测试数据集上，提出的CDDS网络的裂纹IOU和F测度分别达到67.41%和80.14% 略。

先找到所有的照片缺陷，再基于所发现的照片缺陷周围的像素值来进行图像修复

在哪里发表的论文

发表文章可以到杂志官网、中国知网等权威平台投稿。另外，也可以通过有发表经验的人介绍进行投稿。杂志官网可以在百度浏览器直接搜索，按照官网的要求进行投稿。

投稿的渠道只有两种，一种杂志社自行投稿，另外一种是代理投稿。

第一种，杂志社自行投稿，这里特别注意的就是千万不要自行百度去找杂志社所谓的官网，也不要找随便百度找杂志社的任何投稿方式，目前依旧有一部分杂志社是没有官网的。都是通过邮箱处理稿件的。如果随便百度大概率是中介或者一些不明机构上，发不发暂且不提，稿件会很容易被盗用的。

第二种方法，代理投稿，这种比较适合没时间的朋友，比较少操心。但是没有经验也很容易踩坑，毕竟网上鱼龙混杂，稍微不注意就有可能发了天价刊物，或者电子刊物。还有一点就是某宝的代发机构，千万不要相信，我就吃过亏。

很多商家都是钻空子，随时会有被封的风险。至于相关好评都是可以刷出来的。而且发表论文周期也比较长，很容易就店铺被封投诉无门，说多了都是血泪史。再者就是相关的机构带广告的就不用问了，基本都是天价。

在哪里论文发表的

大部分论文都在期刊上发表,CN期刊。

少数的是发表到国外的期刊,或者直接是在杂志的官网上线,比如SCI。对于大多数人来说,发表CN期刊就可以了。

期刊，定期出版的刊物。如周刊、旬刊、半月刊、月刊、季刊、半年刊、年刊等。由依法设立的期刊出版单位出版刊物。期刊出版单位出版期刊，必须经新闻出版总署批准，持有国内统一连续出版物号，领取《期刊出版许可证》。

广义上分类

从广义上来讲，期刊的分类，可以分为非正式期刊和正式期刊两种。非正式期刊是指通过行政部门审核领取“内部报刊准印证”作为行业内部交流的期刊(一般只限行业内交流不公开发行)，但也是合法期刊的一种，一般正式期刊都经历过非正式期刊过程。

正式期刊是由国家新闻出版署与国家科委在商定的数额内审批，并编入“国内统一刊号”，办刊申请比较严格，要有一定的办刊实力，正式期刊有独立的办刊方针。

“国内统一刊号”是“国内统一连续出版物号”的简称，即“CN号”，它是新闻出版行政部门分配给连续出版物的代号。“国际刊号”是“国际标准连续出版物号”的简称，即“ISSN号”，我国大部分期刊都配有“ISSN号”。

此外，正像报纸一样，期刊也可以不同的角度分类。有多少个角度就有多少种分类的结果，角度太多则流于繁琐。一般从以下三个角度进行分类：

按学科分类

以《中国图书馆图书分类法.期刊分类表》为代表，将期刊分为五个基本部类：

(1)思想(2)哲学(3)社会科学(4)自然科学(5)综合性刊物。在基本部类中，又分为若干大类，如社会科学分为社会科学总论、政治、军事、经济、文化、科学、教育、体育、语言、文字、文学、艺术、历史、地理。

按内容分类

以《中国大百科全书》新闻出版卷为代表，将期刊分为四大类：

(1)一般期刊，强调知识性与趣味性，读者面广，如我国的《人民画报》、《大众电影》，美国的《时代》、《读者文摘》等;

(2)学术期刊，主要刊载学术论文、研究报告、评论等文章，以专业工作者为主要对象;

(3)行业期刊，主要报道各行各业的产品、市场行情、经营管理进展与动态，如中国的《摩托车信息》、《家具》、日本的《办公室设备与产品》等;

(4)检索期刊，如我国的《全国报刊索引》、《全国新书目》，美国的《化学文摘》等。

按学术地位分类

可分为核心期刊和非核心期刊（通常所说的普刊）两大类。

关于核心期刊

核心期刊，是指在某一学科领域(或若干领域)中最能反映该学科的学术水平，信息量大，利用率高，受到普遍重视的权威性期刊。

论文在哪里发表的

毕业论文发表在什么期刊?现在大家写作毕业论文不仅需要上交给学校，还需要向期刊上进行投稿，而对于学生们来说，选择能接收这类论文的刊物也不是一件容易的事情，作者自己选择期刊也会耽误时间，因此建议大家多咨询月期刊我的意见，他们的经验是较为丰富的，可以帮助大家安排到合适的期刊上，这样也不会影响您论文的发表，下面小就对这类期刊进行介绍。能发表毕业论文的期刊首先需要是在新闻出版总署查询到的，并且具有国内和国际双刊号，如果是本科生发表毕业论文可以选择国内的省级、国家级、核心级刊物，但如果是研究生、博士生发表毕业论文，那么需要考虑sci、ssci、ei这样的国际期刊，这也是很多高校的明文规定，并且国际核心期刊权重是要高于国内刊物的。除了期刊级别外，大家还要注意自己毕业论文的写作方向，因为本科生写的文章一般不会是教育的，而是他学的专业方向，比如他写的经管的文章，写的大学生市场调查的文章，或者农业园艺的学生写的他的方向的文章，可投稿刊物都会是对口专业的期刊，没有全部都适合的刊物。《城市发展研究》创刊于1994年，杂志作为中国城市科学研究会的会刊，1995年正式出版，始为双月刊，至2009年改为月刊，现已出版百余期。本刊宗旨是服务于我国健康城镇化和城市科学发展的需要，推动学术界对城市发展规律、对城市社会、经济、文化、环境和城市规划建设管理中的重大理论问题和实际问题进行综合性研究，繁荣和发展城市科学理论。《科学管理研究》广泛开展科技体制改革、企业及农村技术进步、科技与经济结合以及决策预测理论、科学学、人才学、未来学等方面的综合性研究;同时努力探讨软科学研究方法论、软科学学科建设等方面的问题。主要读者对象：科技工作者、科技管理者、经济工作者、大专院校师生以及企业家和有志钻研软科学研究的广大干部。