-
题名改进BiSeNetV1实时模型的岩屑图像识别
- 1
-
-
作者
孙杰
滕奇志
罗崇兴
何海波
何小海
-
机构
四川大学电子信息学院
成都西图科技有限公司
-
出处
《计算机系统应用》
2023年第10期45-53,共9页
-
基金
国家自然科学基金(62071315)。
-
文摘
在图像分割识别领域,现有的深度学习方法大多使用高精度语义分割方法来实现,存在着网络推理速度慢、计算量大、难以实际应用等问题.借助于表现较好的BiSeNetV1实时网络模型,通过扩展的空间路径卷积结构、空间金字塔注意力机制(SPARM)和简化的注意力特征融合模块(S-iAFF)等改进策略,设计一种用于岩屑图像分割领域的BiSeNet_SPARM_S-iAFF实时网络.扩展的空间路径卷积结构可以获取更丰富的岩屑图像空间特征,上下文路径使用优化的空间金字塔注意力机制(SPARM)进一步细化高层语义特征提取,在特征融合阶段使用简化注意力特征融合(S-iAFF)加强低层空间与高层语义特征的融合程度.实验结果表明, BiSeNet_SPARM_S-iAFF网络在RockCuttings_Oil岩屑数据集上的平均交并比(mIoU)为64.91%,相较于BiSeNetV1网络提高了2.68%;另外改进后的网络在精度上接近大部分高精度语义分割方法,同时参数量大幅度减少、推理速度有着明显的提升.
-
关键词
岩屑图像
语义分割
BiSeNetV1网络
空间金字塔注意力
迭代注意力特征融合
深度学习
卷积神经网络
-
Keywords
cuttings image
semantic segmentation
BiSeNetV1 network
spatial pyramid attention
iterative attention feature fusion
deep learning
convolutional neural network(CNN)
-
分类号
TE311
[石油与天然气工程—油气田开发工程]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
