基于改进U^(2)-Net的透明件划痕检测方法 被引量：10

1

作者 陈其浩 孙林 张倩 《科学技术与工程》 北大核心 2022年第2期620-627,共8页

为了满足透明件表面质量和市场竞争的需求,实现产品表面缺陷的自动化检测至关重要。针对透明件表面划痕快速检测问题,提出了一种基于改进U^(2)-Net的缺陷检测方法。首先,直接应用U^(2)-Net网络进行透明件表面划痕检测的数据集准备、网... 为了满足透明件表面质量和市场竞争的需求,实现产品表面缺陷的自动化检测至关重要。针对透明件表面划痕快速检测问题,提出了一种基于改进U^(2)-Net的缺陷检测方法。首先,直接应用U^(2)-Net网络进行透明件表面划痕检测的数据集准备、网络搭建、损失函数、评估指标;其次,初始化网络进行训练,分析产生误检漏检及低效的原因;最后,优化损失函数,加入正则化技术,并给出在输入数据前加入Mosaic数据增强,解码阶段融入深层可分离卷积以及加入Attention机制的改进方案。结果表明:本文提出的改进方案能够有效分割出不同情况下的划痕,准确率达到0.987,漏检率为0.006,并在检测速度上有19%的提升。可见改进U^(2)-Net的透明件划痕检测方法能够很好满足工业流水线准确检测缺陷的实际需求。 展开更多

关键词 透明件 划痕检测 神经网络 ^u^(2)-net 语义分割

下载PDF 职称材料

基于改进U^(2)-Net与迁移学习的无人机影像堤防裂缝检测 被引量：7

2

作者 李怡静 程浩东 +2 位作者 李火坤 王姣 胡强 《水利水电科技进展》 CSCD 北大核心 2022年第6期52-59,共8页

为准确便捷地从大范围背景复杂的堤防表面获取裂缝的形态信息,提出了一种基于改进U^(2)-Net(U^(2)-ADSNet)的裂缝检测方法。该方法在U^(2)-Net中融合深度可分离卷积和扩张卷积,扩大了原有模型的感受野,增强了对细节特征的学习能力,降低... 为准确便捷地从大范围背景复杂的堤防表面获取裂缝的形态信息,提出了一种基于改进U^(2)-Net(U^(2)-ADSNet)的裂缝检测方法。该方法在U^(2)-Net中融合深度可分离卷积和扩张卷积,扩大了原有模型的感受野,增强了对细节特征的学习能力,降低了模型参数;在少量无人机实测影像数据基础上,利用裂缝开源数据集进行迁移学习,降低了训练成本;通过切片预测实现对大范围无人机影像的裂缝检测,利用连通域搜索去除可能的误检。将U^(2)-ADSNet与FCN、SegNet、U-Net和DeepCrack等语义分割模型在堤防裂缝数据集上进行对比,验证了U^(2)-ADSNet的有效性,该模型经过迁移学习后交并比达到78.55%,综合评价指标值为87.87%,可用于堤防裂缝的检测。 展开更多

关键词 堤防 裂缝检测 ^u^(2)-net 无人机影像 迁移学习 语义分割

下载PDF 职称材料

改进U^(2)-Net的太阳能电池片缺陷分割方法 被引量：4

3

作者 王盛 吴浩 +3 位作者 彭宁 宋弘 张欢欢 李宣韩 《国外电子测量技术》 北大核心 2023年第2期177-184,共8页

针对太阳能电池片缺陷分割中存在的特征提取能力弱、分割精度低和漏分割等问题,提出了一种改进U^(2)-Net的太阳能电池片缺陷分割方法。为提高RSU内部有效特征的提取能力并减少参数量,利用残差结构将有效的通道注意模块和深度可分离卷积... 针对太阳能电池片缺陷分割中存在的特征提取能力弱、分割精度低和漏分割等问题,提出了一种改进U^(2)-Net的太阳能电池片缺陷分割方法。为提高RSU内部有效特征的提取能力并减少参数量,利用残差结构将有效的通道注意模块和深度可分离卷积结合起来,组成新的特征提取层;为防止空间信息的丢失,在外层编解码跳跃连接中添加语义嵌入分支结构,并利用CARAFE算子进行上采样,将更多的语义信息引入低层特征以加强级间特征的融合,减少因跳跃连接丢失的空间信息;最后,将所提方法与常用分割网络对比分析。实验结果表明,该方法的类别像素准确率、交并比和平均交并比分别达74.69%、60.68%、80.30%。相较于U-Net、PSPNet及Deeplab v3+,该方法不仅有效提高了缺陷分割的精度,还实现了小目标缺陷的准确分割,有效减少了漏分割。 展开更多

关键词 太阳能电池片 ^u^(2)-net 语义分割 注意力机制 语义嵌入分支

下载PDF 职称材料

基于遥感指数与深度学习的黄河冰凌遥感监测识别分析 被引量：1

4

作者 宋文龙 冯天时 +5 位作者 陈龙 何倩 胡军 卢奕竹 冯珺 刘宏洁 《中国水利水电科学研究院学报（中英文）》 北大核心 2024年第1期28-35,共8页

黄河流域特殊的地理位置和环境因素造就了其复杂的凌情特征,及时准确掌握凌汛期间冰凌变化规律与特点是凌汛监测防治的关键任务。卫星遥感可实现黄河冰凌的大范围快速提取,目前常用的方法有遥感指数与深度学习两类,为验证和对比不同方... 黄河流域特殊的地理位置和环境因素造就了其复杂的凌情特征,及时准确掌握凌汛期间冰凌变化规律与特点是凌汛监测防治的关键任务。卫星遥感可实现黄河冰凌的大范围快速提取,目前常用的方法有遥感指数与深度学习两类,为验证和对比不同方法对黄河冰凌遥感监测识别的有效性,基于Sentinel-2遥感数据,利用归一化积雪指数及其改进形式和U^(2)-Net等三种方法对2023年黄河宁蒙段冰凌进行遥感提取。结果表明:NDSI、MNDSI、U^(2)-Net三种方法的结果分类精度分别为83.42%、87.98%和92.01%;Kappa系数分别为0.88、0.90和0.97;三种方法均对冰凌有较好的提取效果,但指数法对于流凌、清沟等其他类型的识别效果较差,浅滩处提取的边界较为杂乱,U^(2)-Net可以精确区分出清沟,提取冰凌边界的效果更好。 展开更多

关键词 黄河 冰凌 卫星遥感 NDSI MNDSI ^u^(2)-net

下载PDF 职称材料

基于边缘U^(2)-Net的视盘分割方法

5

作者 王雪 武现阳 +2 位作者 涂家亮 于洁茹 宁春玉 《长春理工大学学报（自然科学版）》 2024年第3期93-100,共8页

彩色眼底图像中的视盘分割在识别眼科疾病中起着关键作用。针对因各种因素影响的视盘边缘分割不准确及分割算法效率低问题,提出一种基于轻量级U^(2)-Net、融入边缘注意力机制的视盘自动分割方法。该方法以轻量级U^(2)-Net为主干网络,使... 彩色眼底图像中的视盘分割在识别眼科疾病中起着关键作用。针对因各种因素影响的视盘边缘分割不准确及分割算法效率低问题,提出一种基于轻量级U^(2)-Net、融入边缘注意力机制的视盘自动分割方法。该方法以轻量级U^(2)-Net为主干网络,使用视盘感兴趣区域提取的预处理方式去除无关特征,同时引入边缘注意力机制增强对视盘边缘特征的提取能力。在Drishti_GS和REFUGE两个公开数据集上的F1分数分别达到97.82%和97.36%,Dice相似系数分别达到97.15%和96.64%,IOU分别达到94.47%和93.50%,与其他网络模型相比表现出优越的分割性能,具有临床应用价值。 展开更多

关键词 彩色眼底图像 视盘分割 ^u^(2)-net 感兴趣区域提取 边缘注意力

下载PDF 职称材料

基于U^(2)-Net的高精度多套层位追踪方法及应用

6

作者 张世成 许辉群 +2 位作者 杨平 孙颖 杨梦琼 《石油地球物理勘探》 EI CSCD 北大核心 2024年第5期925-937,共13页

层位追踪是地震资料解释中一项基础且重要的工作,常规智能层位追踪方法的精度难以满足实际生产需求。为此,提出了一种基于U^(2)-Net的高精度多套层位追踪方法。首先,设计一种充填标签的制作方法,遍历地震数据每个像素点,判断当前像素点... 层位追踪是地震资料解释中一项基础且重要的工作,常规智能层位追踪方法的精度难以满足实际生产需求。为此,提出了一种基于U^(2)-Net的高精度多套层位追踪方法。首先,设计一种充填标签的制作方法,遍历地震数据每个像素点,判断当前像素点所在位置并为其划分一个层位区域;对于穿过断层的层位,则自动搜寻相邻层位,实现非全区层位、断层等复杂条件下的地震反射层位及不整合面的充填标签的制作;然后,利用充填标签,采用U^(2)-Net网络模型对F3数据体和M工区地震资料进行训练。与U-Net+PPM网络模型相比,U^(2)-Net网络模型的预测精度更高,稳定性更好,泛化性更强,训练时间更短,且预测复杂地区的地震反射层位的准确率和平均交并比都大于95%。该方法可以较好地适应低信噪比地震资料的层位追踪。 展开更多

关键词 ^u^(2)-net 语义分割 层位标签 多套层位追踪 不整合面

下载PDF 职称材料

基于U^(2)-Net+的透水混凝土CT影像孔隙分割

7

作者 侯斌 孙水发 +2 位作者 张蕊 崔文超 李玉博 《水电能源科学》 北大核心 2024年第2期62-66,共5页

针对现阶段主流的透水混凝土CT影像孔隙分割方法存在的问题,提出了一种堆叠高效RSU模块的U^(2)-Net+的图像分割方法。该方法通过堆叠高效的RSU模块,在网络中引入了更多的上采样节点和跳跃连接,还原了更多下采样阶段丢失的特征图细节;在... 针对现阶段主流的透水混凝土CT影像孔隙分割方法存在的问题,提出了一种堆叠高效RSU模块的U^(2)-Net+的图像分割方法。该方法通过堆叠高效的RSU模块,在网络中引入了更多的上采样节点和跳跃连接,还原了更多下采样阶段丢失的特征图细节;在编码阶段增加了一个可学习的下采样操作,进一步提升了网络对细节的捕获能力;简化了原网络的深度监督,避免了底层特征图对融合输出特征图的负面影响;将单一的标准二分类交叉熵损失函数改为Focal loss和IoU loss组成的混合损失函数,提升了网络对高噪声孔隙的关注度;最后由于数据集的特点加网络改进的提升,原网络中各模块的中间通道数得以进一步缩减,减小了网络体积。试验结果表明,U^(2)-Net+相比U^(2)-Net†在保证轻量化和快速性的同时,平均交并比、精确度、F1得分由94.12%、88.89%、93.28%分别提升至94.24%、91.15%、94.29%;U^(2)-Net+综合指标优于U-Net、U-Net++、U-Net3+、U^(2)-Net、U^(2)-Net†,各指标相较于主流的阈值分割算法至少提高23.29%,实现了透水混凝土CT影像孔隙的精准、快速分割。 展开更多

关键词 透水混凝土CT影像 图像分割 深度学习 ^u^(2)-net

下载PDF 职称材料

基于改进U^(2)-Net模型的混凝土结构表面裂缝检测

8

作者 程浩东 李怡静 +2 位作者 李玥康 胡强 王姣 《水利水电技术（中英文）》 北大核心 2024年第6期159-171,共13页

【目的】背景复杂的混凝土结构表面裂缝连续性差、识别率低,基于深度学习的裂缝检测方法存在模型参数量大的问题。【方法】为此,结合U^(2)-Net框架构建了一种聚合多尺度信息的轻量级模型U^(2)-Net_Aggregation,用于复杂背景下的裂缝特... 【目的】背景复杂的混凝土结构表面裂缝连续性差、识别率低,基于深度学习的裂缝检测方法存在模型参数量大的问题。【方法】为此,结合U^(2)-Net框架构建了一种聚合多尺度信息的轻量级模型U^(2)-Net_Aggregation,用于复杂背景下的裂缝特征学习。该模型通过增加跳跃连接,使得每个解码层均聚合该层以上所有浅层编码特征,以获得足够的特征细节,提升裂缝分割精度;利用深度可分离卷积(Depthwise Separable Convolution, DSC)对原本的残差模块(ReSidual U-blocks, RSU)进行改进,提出了新的残差模块(RSU-DSC-ECA),来降低聚合多尺度信息时带来的模型复杂度提升的问题,其中的通道注意力机制(Efficient Channel Attention, ECA)可提升模型对裂缝区域的敏感性和对复杂背景的抗干扰能力。【结果】在三组裂缝数据集上进行消融试验,改进后的模型(U^(2)-Net_Aggregation)相较于U^(2)-Net在准确率、交并比、综合评价指标上均有优异的表现。为了验证模型对复杂背景中裂缝的识别能力,利用无人机实地采集的某混凝土结构数据进行试验,其检测效果优于FCN、SegNet、U-Net和U^(2)-Net。【结论】改进后的模型相比U^(2)-Net在召回率、交并比和综合评价指标方面分别提高了4.18%、2.97%和2.03%,可借助无人机影像快速准确地检测出裂缝,为结构裂缝检测提供一种新的方法。 展开更多

关键词 混凝土结构 裂缝检测 深度学习 语义分割 ^u^(2)-net 神经网络 混凝土

下载PDF 职称材料

无人机智能巡检混凝土裂缝方法和机制研究

9

作者 徐亮 何伟 +1 位作者 叶尔达·叶尔丁达拉 李楠楠 《水利水电技术（中英文）》 北大核心 2024年第S01期249-256,共8页

利用无人机搭载专业设备对坝体混凝土裂缝进行自动化检测和智能识别,可提升大坝表面病害视觉检测自动化水平,为大坝正常维修管理提供高质高效的信息。介绍了YOLO裂缝目标检测算法和U^(2)-net裂缝图像分割模型,以及裂缝参数的测量方法和... 利用无人机搭载专业设备对坝体混凝土裂缝进行自动化检测和智能识别,可提升大坝表面病害视觉检测自动化水平,为大坝正常维修管理提供高质高效的信息。介绍了YOLO裂缝目标检测算法和U^(2)-net裂缝图像分割模型,以及裂缝参数的测量方法和图像识别精度的评价标准。结合某水电站坝顶混凝土裂缝调查场景,分析无人机不同搭载形式与航拍高度和图像地面分辨率的理论关系,并利用YOLO和U^(2)-net算法进行裂缝宽度识别,探究不同航拍参数对裂缝识别精度的影响。最后,综合考虑各巡航场景实际运行要求和成果处理与发布效率,确定坝体裂缝自动化检测运行参数,为高精度识别坝体毫米级宽度裂缝提供一种思路。 展开更多

关键词 大坝 裂缝检测 ^u^(2)-net 无人机 航拍参数

下载PDF 职称材料

一种基于U^(2)⁃Net的红外热成像与可见光图像融合方法

10

作者 谢迅 程为彬 《现代电子技术》 北大核心 2024年第2期100-104,共5页

为解决红外热成像分辨率低且成本高昂的问题,结合可见光图像分辨率高、成本低的特点,提出一种采用U^(2)‐Net结构模型对红外热成像与可见光图像中显著目标检测的方法。针对图像中显著目标,通过图像裁剪、轮廓提取、仿射变换、形心计算... 为解决红外热成像分辨率低且成本高昂的问题,结合可见光图像分辨率高、成本低的特点,提出一种采用U^(2)‐Net结构模型对红外热成像与可见光图像中显著目标检测的方法。针对图像中显著目标,通过图像裁剪、轮廓提取、仿射变换、形心计算、尺寸变换、匹配定位与融合等操作,实现目标物体在红外图像与可见光图像中的融合。实验结果表明,通过所提方法将低分辨率红外热成像中目标物体与高分辨率可见光图像融合,能够有效提升目标物体在整体图像中的可视性。 展开更多

关键词 红外热成像 可见光图像 图像融合 ^u^(2)‐net 显著目标检测 图像匹配定位

下载PDF 职称材料

基于注意力机制的U^(2)-Net图像语义分割 被引量：1

11

作者 刘帅 邓晓冰 +1 位作者 杨火祥 柳伟 《深圳信息职业技术学院学报》 2023年第5期1-8,共8页

图像语义分割是计算机视觉领域中的一项重要技术,在自动驾驶、医学影像分析、智能家居和安防监控等领域都有广泛的应用。近年,利用深度学习模型进行图像语义分割的方法得到了广泛关注和研究。然而,深度学习模型很容易出现过拟合问题,并... 图像语义分割是计算机视觉领域中的一项重要技术,在自动驾驶、医学影像分析、智能家居和安防监控等领域都有广泛的应用。近年,利用深度学习模型进行图像语义分割的方法得到了广泛关注和研究。然而,深度学习模型很容易出现过拟合问题,并且面对一些存在遮挡、噪声的图像时容易预测出错,从而导致模型分割精度下降。针对这个问题,提出了一种联合注意力机制的U^(2)-Net图像语义分割优化方法,在以VGG为主干网络的U^(2)-Net模型中,增加CBAM注意力模块,使网络模型能够更加关注与分割任务相关的区域,忽略掉一些无关或噪声干扰的区域,增强特征图的表征,进而能够有效地提高模型的性能和泛化能力。实验结果表明,在增加CBAM模块后,U^(2)-Net模型的MIoU及准确率分别提高了8.21%和4%。 展开更多

关键词 图像语义分割 注意力机制 ^u^(2)-net 深度学习

下载PDF 职称材料

基于显著性目标检测网络的面部属性编辑方法 被引量：3

12

作者 项家伟 王伟 《国外电子测量技术》 北大核心 2022年第5期1-8,共8页

针对面部属性编辑方法存在生成图像视觉效果差和图像多样性少的问题,提出了在Trans-GAN的基础上融合显著性目标检测网络(U^(2)-Net)的面部属性编辑方法。首先,该方法在Trans-GAN的基础上融合U^(2)-Net特征提取器作为编码器结构,提高网... 针对面部属性编辑方法存在生成图像视觉效果差和图像多样性少的问题,提出了在Trans-GAN的基础上融合显著性目标检测网络(U^(2)-Net)的面部属性编辑方法。首先,该方法在Trans-GAN的基础上融合U^(2)-Net特征提取器作为编码器结构,提高网络对面部空间信息的提取能力;其次,Trans-GAN采用两级鉴别器,使得网络能在原始图像上捕获更多的细节信息和语义信息,生成细粒度的面部属性;最后,提出一种数据增样方式(CAR),该数据增样方式能在丰富原有数据集的同时增加面部图像属性多样性。在CelebAMask-HQ原始数据集上验证表明,与现有面部属性编辑方法相比,提出的方法不仅能准确的编辑细粒度属性区域,而且能大幅度提高面部图像质量。 展开更多

关键词 面部属性编辑 ^u^(2)-net 生成对抗网络 编码器

下载PDF 职称材料

基于轻量化U^(2)-Net的车道线检测算法研究

13

作者 邓欢 王健 +3 位作者 吴孟军 杜若飞 费明哲 王云靖 《汽车工程师》 2024年第8期22-28,共7页

针对车道线遮挡、道路阴影等多车道驾驶环境下提取的车道线特征信息缺失造成预测车道线模糊、不连续等问题,提出一种基于轻量化U^(2)-Net的车道线检测算法。首先,以轻量化U^(2)-Net的残差U形模块(RSU)和多特征尺度融合获得全局信息丰富... 针对车道线遮挡、道路阴影等多车道驾驶环境下提取的车道线特征信息缺失造成预测车道线模糊、不连续等问题,提出一种基于轻量化U^(2)-Net的车道线检测算法。首先,以轻量化U^(2)-Net的残差U形模块(RSU)和多特征尺度融合获得全局信息丰富的车道线特征;其次,对车道线特征进行逐像素阈值判断,并选择最小二乘法结合感兴趣区域(ROI)中车道线簇进行车道线的拟合,实现多车道线检测并确认自车道线区域;最后,在图森(TuSimple)数据集上进行验证与分析。验证结果表明,所提出的车道线检测算法的平均准确率达到98.4%,相比于其他车道线检测网络,该算法的网络参数量较少,准确率较高。 展开更多

关键词 ^轻量化u^(2)-net 残差u形模块 多车道线检测 自车道线

下载PDF 职称材料

基于U^(2)-Net的痕迹物证图像分割方法的研究

14

作者 陈雅琪 刘丹 《自动化应用》 2024年第11期35-37,41,共4页

针对痕迹物证检测方法精度不高、模型体积较大、部署困难等问题,设计了一种简单且强大的深层网络架构U^(2)-Net,用于研究痕迹物证图像分割方法。该架构特别设计了用于处理复杂背景下的图像分割任务。U^(2)-Net采用了一种新颖的嵌套U型结... 针对痕迹物证检测方法精度不高、模型体积较大、部署困难等问题,设计了一种简单且强大的深层网络架构U^(2)-Net,用于研究痕迹物证图像分割方法。该架构特别设计了用于处理复杂背景下的图像分割任务。U^(2)-Net采用了一种新颖的嵌套U型结构,通过多尺度的特征提取和深层次的信息融合,能精确地识别和分割痕迹物证图像中的关键对象。该方法在痕迹物证的识别和提取方面展现了优越的性能,特别是在处理高度复杂或模糊不清的图像时,能有效提高分割的准确性和细节恢复能力。 展开更多

关键词 图像分割 ^u^(2)-net模型 复杂背景 痕迹物证

下载PDF 职称材料

基于深度学习的遥感图像道路分割 被引量：4

15

作者 李旭涛 杨寒玉 +1 位作者 卢业飞 张玮 《山东大学学报（工学版）》 CAS CSCD 北大核心 2022年第6期139-145,共7页

为在遥感图像中提取出来道路信息,利用深度学习技术,引入U^(2)-Net模型进行遥感图像道路分割。相比于传统的道路提取方法,基于U^(2)-Net方法可以实现道路的自动化提取。为验证U^(2)-Net模型分割效果,选取U-Net、DeepLabV3+等近几年较为... 为在遥感图像中提取出来道路信息,利用深度学习技术,引入U^(2)-Net模型进行遥感图像道路分割。相比于传统的道路提取方法,基于U^(2)-Net方法可以实现道路的自动化提取。为验证U^(2)-Net模型分割效果,选取U-Net、DeepLabV3+等近几年较为流行的语义分割方法进行对比试验,并进一步分析U^(2)-Net显著图融合模块中卷积核对道路提取效果的影响。试验结果表明,U^(2)-Net模型能较有效地提取出道路信息,模型在测试集上的平均交并比达到了76.49%,Kappa达到了0.701 2,分割精度优于U-Net、DeepLabV3+等语义分割方法。基于U^(2)-Net模型的深度学习方法可以用于解决遥感图像中的道路分割问题,并具有较好的分割效果。 展开更多

关键词 语义分割 深度学习 遥感图像 ^u^(2)-net模型 高分辨率

原文传递

基于改进U^(2)Net的岩石薄片图像分割 被引量：1

16

作者 舒小锋 吴晓红 +2 位作者 卿粼波 滕奇志 罗彬彬 《计算机系统应用》 2024年第2期159-165,共7页

了解岩石的孔隙度、孔径分布、孔隙连通性等特征对于油气的寻找和开采有着重要的意义,而这些特征的分析和判断需要借助岩石薄片图像分割技术.岩石薄片图像有大量细小颗粒,这些颗粒之间的边缘特征十分相似,无法做出精准的区分,同时制造... 了解岩石的孔隙度、孔径分布、孔隙连通性等特征对于油气的寻找和开采有着重要的意义,而这些特征的分析和判断需要借助岩石薄片图像分割技术.岩石薄片图像有大量细小颗粒,这些颗粒之间的边缘特征十分相似,无法做出精准的区分,同时制造切片过程中染色不均会造成薄片孔隙的颜色特征不平衡而导致无法分割.因此为了改善岩石薄片分割效果,本文提出基于一种改进的U^(2)Net的分割算法.主要内容如下:(1)以U^(2)Net网络为骨干进行改进,结合coordinate attention注意力机制,用来提高模型对图像特征的表达能力.(2)通过引入多尺度特征提取模块,增加卷积层的感知区域,且能够利用特征图的多尺度特征信息.实验证明,该方法与传统分割方法和其他分割网络相比在较小颗粒的分割上表现更好,所提出的算法具有较高的分割准确度和鲁棒性. 展开更多

关键词 注意力机制 岩石薄片图像 图像分割 ^u^(2)net 多尺度特征提取

下载PDF 职称材料

基于改进U^(2)Net网络和无人机影像的城市绿化识别方法

17

作者 王桢 杨培峰 +1 位作者 张秋仪 杨晋苏 《陕西科技大学学报》 北大核心 2024年第3期174-181,共8页

针对城市绿化识别中存在的无可用公开数据集、人工标注数据任务大、图像边界分割不精确的问题,提出结合无人机影像和深度学习网络的城市绿化自动识别框架.首先建立基于无人机影像的城市绿化数据集,其次,运用交互式自动标注工具EISeg对... 针对城市绿化识别中存在的无可用公开数据集、人工标注数据任务大、图像边界分割不精确的问题,提出结合无人机影像和深度学习网络的城市绿化自动识别框架.首先建立基于无人机影像的城市绿化数据集,其次,运用交互式自动标注工具EISeg对数据进行标注,引入U^(2)Net用于无人机影像下的城市绿化识别,最后,在网络的特征提取模块引入最大池化索引来加强对目标边界的分割能力.结果表明,相较于其它深度学习网络,U^(2)Net在小规模数据集中有着优异的表现且改进后的网络在1 000张的训练集中达到了97.16%的分类精度,较原始的U^(2)Net提高0.68%,模型参数量、计算量、内存均未显著提升.改进后的方法提升了城市绿化的识别精度,可以为城市绿化识别提供一种新的自动解译方法. 展开更多

关键词 城市绿化识别 u2net 无人机影像 深度学习

下载PDF 职称材料