基于改进SegNet模型与多特征优选的梨树和枣树遥感识别

1

作者 陶兰花 翟亮 +2 位作者 李娜娜 李春娥 薛磊 《遥感信息》 北大核心 2025年第5期1-8,共8页

针对样本量少且复杂的背景干扰问题,探究深度学习方法在林果遥感识别的可行性,提出一种基于改进SegNet算法的高分辨率影像林果遥感识别提取方法。选取梨树和枣树为主要研究对象,以目标探测为驱动,选取能够有效区分目标与背景的光谱特征... 针对样本量少且复杂的背景干扰问题,探究深度学习方法在林果遥感识别的可行性,提出一种基于改进SegNet算法的高分辨率影像林果遥感识别提取方法。选取梨树和枣树为主要研究对象,以目标探测为驱动,选取能够有效区分目标与背景的光谱特征、植被指数特征、纹理特征、地形特征等多源特征变量,通过Boruta算法评估筛选出的最优特征变量,然后对SegNet网络进行精简并引入注意力机制模块对尉犁县梨树和枣树进行识别分类。结果表明,基于GF-6影像的光谱特征重要性最高,纹理特征和植被指数特征重要性次之;采用的3种深度学习方法中,改进后SegNet深度学习进行分类效果最佳,分类精确度为97.98%,召回率为94.46%,Kappa系数为0.96。该研究结果可为特色林果业分类和识别方面的应用提供一种新的思路和模式。 展开更多

关键词 GF-6影像 特色林果 特征优选 改进segnet 精准识别

在线阅读 下载PDF 职称材料

基于多尺度上下文注意力U-SegNet的遥感目标检测

2

作者 陈瑞霞 张善文 吴青娥 《电讯技术》 北大核心 2025年第8期1187-1195,共9页

针对遥感目标图像多样、目标较小且与周围环境对比度差,导致现有目标检测方法复杂度高、检测效果差、泛化能力弱,以及经典U-Net和U-SegNet忽略了不同目标尺度特征感受野差异等问题,提出了一种基于多尺度上下文注意力U-SegNet(Multi-scal... 针对遥感目标图像多样、目标较小且与周围环境对比度差,导致现有目标检测方法复杂度高、检测效果差、泛化能力弱,以及经典U-Net和U-SegNet忽略了不同目标尺度特征感受野差异等问题,提出了一种基于多尺度上下文注意力U-SegNet(Multi-scale Context Attention U-SegNet,MSCAUSNet)的遥感目标检测新模型。该模型由U-SegNet、多尺度特征融合(Multi-scale Feature Fusion,MSFF)和多尺度上下文注意力(Multi-scale Context Attention,MSCA)模块组成,采用MSCA代替U-SegNet中的跳跃连接以融合目标低层特征与高层特征,并通过MSFF和MSCA模块充分捕获多尺度上下文特征,从而显著提升遥感多尺度目标检测性能。在遥感目标图像数据集上的实验结果表明,该模型能够有效检测不同尺度遥感目标,较经典U-Net和U-SegNet的检测精度分别提高了7.94%和5.09%。该模型为遥感目标检测和识别系统提供了技术支持。 展开更多

关键词 遥感多尺度目标检测 多尺度上下文注意力U-segnet 多尺度上下文注意力 多尺度特征融合

在线阅读 下载PDF 职称材料

基于改进SegNet网络的障碍物检测算法研究 被引量：1

3

作者 胡均平 张洪伟 +1 位作者 黄强 向思平 《计算机应用与软件》 北大核心 2024年第5期212-217,225,共7页

为了提高自动驾驶车辆的多类障碍物检测的精度,提出一种改进的SegNet神经网络算法。该算法在SegNet网络的基础上结合残差网络和多尺度融合算法,提高分类的准确性。对网络训练策略进行改进,采用自设置对比度归一化算法、学习率调整算法... 为了提高自动驾驶车辆的多类障碍物检测的精度,提出一种改进的SegNet神经网络算法。该算法在SegNet网络的基础上结合残差网络和多尺度融合算法,提高分类的准确性。对网络训练策略进行改进,采用自设置对比度归一化算法、学习率调整算法和类平衡算法提高网络的鲁棒性和收敛速度。通过在不同场景下进行实验,结果表明,相较于SegNet神经网络,改进后的SegNet神经网络的像素平均精度(PPA)从85%提高至97%;平均交并比(MIOU)从76%提升至90%。 展开更多

关键词 自动驾驶 障碍物检测 segnet网络 残差网络 多尺度融合算法

在线阅读 下载PDF 职称材料

构建VED-SegNet分割模型提取鱼类表型比例 被引量：2

4

作者 李健源 柳春娜 +3 位作者 卢晓春 王鲁海 刘轶 卢佳 《农业工程学报》 EI CAS CSCD 北大核心 2024年第3期175-183,共9页

为提高鱼类表型分割精度和准确度,实现鱼类表型智能监测,该研究基于深度学习算法构建了VED-SegNet模型用于鱼类表型分割和测量。该模型将cross stage partial network和GSConv结合作为编码器(VoV-GSCSP),保持足够精度的同时降低网络结... 为提高鱼类表型分割精度和准确度,实现鱼类表型智能监测,该研究基于深度学习算法构建了VED-SegNet模型用于鱼类表型分割和测量。该模型将cross stage partial network和GSConv结合作为编码器(VoV-GSCSP),保持足够精度的同时降低网络结构复杂性。另一方面,该模型采用EMA(efficient multi-scale attention module with cross-spatial learning)建立强化结构,加强编码器和解码器之间的信息传递,提高模型精度,并实现了8个表型类别的输出。采用自建的鱼类表型分割数据集对VED-SegNet模型进行了测试,测量结果中鱼类各表型比例与实际测量值相接近,表型最大平均绝对和平均相对误差为0.39%、11.28%,能实现无接触式提取水产养殖中鱼类表型比例。对比其他常见语义分割模型,平均交并比mean intersection over union,mIoU和平均像素准确率mean pixel accuracy,m PA最高,分别到达了87.92%、92.83%。VED-SegNet模型在环境复杂、多鱼重叠的养殖水体鱼类监测场景中精准分割鱼类形态特征,可为鱼类表型智能测量提供技术支持。 展开更多

关键词 图像分割 模型 鱼类表型 表型比例 VED-segnet

在线阅读 下载PDF 职称材料

基于改进的IIE-SegNet的快速图像语义分割方法 被引量：1

5

作者 李庆 王宏健 +2 位作者 李本银 肖瑶 迟志康 《哈尔滨工程大学学报》 EI CAS CSCD 北大核心 2024年第2期314-323,共10页

针对IIE-SegNet计算复杂度高、计算量大等问题,本文提出一种基于IIE-SegNet的改进方法。编码结构中引入经ImageNet训练过的VGG16和多尺度空洞卷积空间金字塔池化来获得丰富的编码信息;解码结构中,设计全局加平均模块来解决IIE-SegNet计... 针对IIE-SegNet计算复杂度高、计算量大等问题,本文提出一种基于IIE-SegNet的改进方法。编码结构中引入经ImageNet训练过的VGG16和多尺度空洞卷积空间金字塔池化来获得丰富的编码信息;解码结构中,设计全局加平均模块来解决IIE-SegNet计算量大的问题;研究Focal损失函数来解决正、负采样不平衡的问题。实验结果表明:与IIE-SegNet相比,本方法在PASCAL VOC 2012数据集上的语义分割速度更快,平均每次迭代快0.6 s左右,测试单张图像的时间平均减少了0.94 s;分割精度更高,MIoU提升了2.1%。在扩展的PASCAL VOC 2012(Exp-PASCAL VOC 2012)数据集上的语义分割速度更快,平均每次迭代快0.4 s左右,测试单张图像的时间平均减少了0.92 s;分割精度更高,MPA和MIoU分别提升了2.6%和2.8%,特别是对于小尺度目标分割边界更清晰,性能得到了很大的提升。 展开更多

关键词 语义分割 深度学习 多尺度空洞卷积空间金字塔池化 图像信息熵 全局加平均 VGG16 IIE-segnet

在线阅读 下载PDF 职称材料

一种改进SegNet网络的路面裂缝分割算法 被引量：1

6

作者 廖宁生 杨雲翔 +1 位作者 朱秘 彭波 《重庆理工大学学报（自然科学）》 CAS 北大核心 2024年第7期142-148,共7页

路面裂缝是威胁公路安全运行的常见潜在隐患,经典路面裂缝分割算法存在不同程度的裂缝断裂、薄细裂缝边缘识别不佳等问题。针对上述问题,提出一种Crack SegFormer路面裂缝分割算法,主要由基于裂缝定位注意力的编码器、多层特征金字塔以... 路面裂缝是威胁公路安全运行的常见潜在隐患,经典路面裂缝分割算法存在不同程度的裂缝断裂、薄细裂缝边缘识别不佳等问题。针对上述问题,提出一种Crack SegFormer路面裂缝分割算法,主要由基于裂缝定位注意力的编码器、多层特征金字塔以及基于裂缝锐化注意力的解码器三部分组成。利用Crack500、Crack200、DeepCrack、CFD 4个公开数据,对CrackSegFormer模型分割裂缝的有效性进行了验证,结果显示所提出的CrackSegFormer模型能够抑制非裂缝特征、保留细微和末梢裂缝特征。相对于经典SegNet网络,所提出模型的准确度、召回率和F1-score三类评价指标分别提升了1.14%,3.61%和4.26%。 展开更多

关键词 路面裂缝分割 改进segnet网络 注意力机制 多层特征金字塔

在线阅读 下载PDF 职称材料

基于混合网络U-SegNet的地震初至自动拾取 被引量：20

7

作者 陈德武 杨午阳 +3 位作者 魏新建 李海山 常德宽 李冬 《石油地球物理勘探》 EI CSCD 北大核心 2020年第6期1188-1201,1159-1160,共16页

传统初至拾取方法拾取效果和效率不能兼顾、算法稳定性差、工业化应用成熟度不高;基于深度学习的初至拾取方法制作标签耗时费力、数据预处理过程繁琐、网络结构过于复杂,导致训练和测试效率较低。为此,将U-Net与SegNet深度学习网络的优... 传统初至拾取方法拾取效果和效率不能兼顾、算法稳定性差、工业化应用成熟度不高;基于深度学习的初至拾取方法制作标签耗时费力、数据预处理过程繁琐、网络结构过于复杂,导致训练和测试效率较低。为此,将U-Net与SegNet深度学习网络的优点相结合,构建新的混合网络U-SegNet,并基于U-SegNet自动拾取初至。U-SegNet以SegNet结构为基础,通过在解码器网络的反卷积层之前融合跳跃连接信息,提供编码器网络的多尺度信息,以获得更好的性能,并且其上采样操作将U-Net中的反卷积改为反池化,池化索引被传递到上采样层,网络模型收敛更快。因此,U-SegNet网络结构更利于分割背景噪声区域和含噪信号区域,从而提高初至拾取精度。基于U-SegNet的初至自动拾取流程包括制作训练数据集、设计网络模型、训练网络模型、测试网络模型和实际资料应用。测试和应用结果表明,所提方法的初至拾取效率约为某商业软件的2.2倍,且易于工业化应用,具有良好的发展前景。 展开更多

关键词 地震初至 拾取 深度学习 U-Net segnet U-segnet

在线阅读 下载PDF 职称材料

基于改进SEGNET模型的图像语义分割 被引量：11

8

作者 罗嗣卿 张志超 岳琪 《计算机工程》 CAS CSCD 北大核心 2021年第4期256-261,共6页

使用原始SEGNET模型对图像进行语义分割时,未对图像中相邻像素点间的关系进行考虑,导致同一目标中像素点类别预测结果不一致。通过在SEGNET结构中加入一条自上而下的通道,使得SEGNET包含的多尺度语义信息更加丰富,从而提升对每个像素点... 使用原始SEGNET模型对图像进行语义分割时,未对图像中相邻像素点间的关系进行考虑,导致同一目标中像素点类别预测结果不一致。通过在SEGNET结构中加入一条自上而下的通道,使得SEGNET包含的多尺度语义信息更加丰富,从而提升对每个像素点的类别预测精度,在模型中加入生成对抗网络以充分考虑空间中相邻像素点间关系。实验结果表明,该模型的语义分割效果相比原始SEGNET模型显著提升,且可有效解决SEGNET测试中出现的分类错误问题。 展开更多

关键词 segnet模型 生成对抗网络 多尺度语义信息 相邻像素类别关系 特征融合

在线阅读 下载PDF 职称材料

基于改进型SegNet的苹果采摘点分割算法研究 被引量：5

9

作者 李艳文 左朝阳 +2 位作者 王登奎 李赫 陈子明 《燕山大学学报》 CAS 北大核心 2022年第5期455-460,470,共7页

针对直接使用SegNet模型处理苹果图像会出现采摘点分割不清晰和分割错误的问题,提出了一种改进的SegNet语义分割模型进行苹果采摘点分割,使其更适应于复杂的自然环境,为采摘机器人提供帮助。在SegNet模型中引入DenseNet的思想,直接连接... 针对直接使用SegNet模型处理苹果图像会出现采摘点分割不清晰和分割错误的问题,提出了一种改进的SegNet语义分割模型进行苹果采摘点分割,使其更适应于复杂的自然环境,为采摘机器人提供帮助。在SegNet模型中引入DenseNet的思想,直接连接来自不同网络层的特征图,实现图像特征的多次重用,以提高模型的分割精度。为了验证改进算法的有效性,选取3种不同品种的苹果建立图像数据集,并在PyTorch深度学习框架上进行训练。利用通用的评价指标,将SegNet模型改进前后的测试结果进行对比。试验结果表明,改进的SegNet模型的最佳精确率、召回率、特异性和Dice系数分别为83.10%、84.82%、98.56%和83.95%。相比原模型,改进的SegNet模型识别成功率提高了2.19%,在运算时间几乎不变的情况下,能够更好地实现自然环境下采摘点的分割,为其他种类水果的采摘点分割识别算法提供了研究基础。 展开更多

关键词 深度学习 改进型segnet DenseNet 图像分割

在线阅读 下载PDF 职称材料

基于SegNet与三维点云聚类的大田杨树苗叶片分割方法 被引量：9

10

作者 胡春华 刘炫 +2 位作者 计铭杰 李羽江 李萍萍 《农业机械学报》 EI CAS CSCD 北大核心 2022年第6期259-264,共6页

准确分割单个杨树叶是无接触提取杨树苗叶表型参数的前提,针对大田杨树苗的复杂种植环境,本文提出一种基于SegNet与三维点云聚类的大田杨树苗叶片分割方法。首先对Kinect V2相机进行标定,对齐RGB与深度数据,滤除背景,获得RGB与深度数据... 准确分割单个杨树叶是无接触提取杨树苗叶表型参数的前提,针对大田杨树苗的复杂种植环境,本文提出一种基于SegNet与三维点云聚类的大田杨树苗叶片分割方法。首先对Kinect V2相机进行标定,对齐RGB与深度数据,滤除背景,获得RGB与深度数据融合数据;然后针对RGB与深度融合数据采用语义分割算法SegNet对杨树苗叶与杨树干进行分割;为了更好地分割出单个杨树叶,对分割的杨树叶区域重构出三维点云,采用基于几何距离的kdtree对单个树叶进行分类。对采集的单株树苗与多株树苗数据进行了实验分析,采用SegNet与FCN分别对杨树苗叶区域与茎区域进行分割,结果表明,SegNet对叶、茎检测准确率分别为94.4%、97.5%,交并比分别为75.9%、67.9%,优于FCN;对叶区域采用不同距离阈值的kdtree算法进行单叶分割分析,确定了适合杨树叶的分割阈值。实验结果表明,本文提出的分割算法不仅能分割出单株杨树苗的叶片,也能分割出多株杨树苗的单个叶片。 展开更多

关键词 杨树叶片 segnet 三维点云 分割

在线阅读 下载PDF 职称材料

基于改进SegNet算法的车道线检测方法 被引量：21

11

作者 邓天民 王琳 +1 位作者 杨其芝 周臻浩 《科学技术与工程》 北大核心 2020年第36期14988-14993,共6页

无人驾驶车辆在结构化道路中需要通过车道线判断自身位置,为提高其检测的实时性与准确性,提出一种利用改进分割网络(segmentation network,SegNet)算法与连通域约束相结合的方法实现车道线检测识别。将对称的SegNet算法改为非对称结构... 无人驾驶车辆在结构化道路中需要通过车道线判断自身位置,为提高其检测的实时性与准确性,提出一种利用改进分割网络(segmentation network,SegNet)算法与连通域约束相结合的方法实现车道线检测识别。将对称的SegNet算法改为非对称结构对车道线作逐像素提取:利用卷积与池化提取车道线特征,摒弃传统的车道线聚类过程,利用二值化图像结合连通域约束与关联对车道特征点进行分类,最后对相同类别的车道特征点进行车道线拟合。将该改进的SegNet算法在CULane数据集和TuSimple数据集上进行了训练与测试,结果表明:对车道分割准确、实时处理能力优秀,检测识别效果优于传统SegNet网络算法,其平均检测精度为94.60%,每帧检测耗时提升53 ms。 展开更多

关键词 无人驾驶 辅助驾驶 深度学习 卷积神经网络 语义分割 segnet网络 车道线检测

在线阅读 下载PDF 职称材料

基于改进SegNet模型的斑马线图像语义分割 被引量：12

12

作者 程换新 蒋泽芹 成凯 《电子测量技术》 2020年第23期104-108,共5页

无论是在智能驾驶系统中,还是在智能导盲系统中,道路标线的检测都是一项重要内容。针对传统斑马线识别方法精度低、速度慢的问题,提出了利用深度可分离卷积网络改进SegNet模型的语义分割方法,通过网络爬虫以及手动数据标注,经过Tensorf... 无论是在智能驾驶系统中,还是在智能导盲系统中,道路标线的检测都是一项重要内容。针对传统斑马线识别方法精度低、速度慢的问题,提出了利用深度可分离卷积网络改进SegNet模型的语义分割方法,通过网络爬虫以及手动数据标注,经过Tensorflow深度学习框架训练,其模拟检测达到了较好的结果。试验结果表明,由自行构建的斑马线数据集,训练后的模型每帧运算速度在59 ms内,对斑马线区域分割的像素精度达98.1%,交并比达91.6%。此运算速度以及分割精度满足大部分智能导航系统的需求,为斑马线识别的机器视觉识别提供了技术支持。 展开更多

关键词 segnet 深度可分离卷积网络 斑马线 语义分割

在线阅读 下载PDF 职称材料

基于SegNet模型的高原鼠兔的图像分割 被引量：4

13

作者 陈海燕 陈刚琦 张华清 《湖南农业大学学报（自然科学版）》 CAS CSCD 北大核心 2020年第6期749-752,共4页

针对高原鼠兔图像目标尺寸小、背景复杂、特征不显著、基于活动轮廓的图像分割模型无法有效分割的问题,采用基于卷积神经网络的SegNet语义模型对高原鼠兔图像进行分割:首先将采集的高原鼠兔图像进行预处理,尺度归一化后制作成与Pascal ... 针对高原鼠兔图像目标尺寸小、背景复杂、特征不显著、基于活动轮廓的图像分割模型无法有效分割的问题,采用基于卷积神经网络的SegNet语义模型对高原鼠兔图像进行分割:首先将采集的高原鼠兔图像进行预处理,尺度归一化后制作成与Pascal VOC数据集格式一致的数据集;然后将数据集分为训练集与测试集,采用训练集对SegNet模型训练,测试集对模型进行分割测试。对高原鼠兔图像分割的试验结果表明:与基于活动轮廓的Chan_Vese模型相比,基于卷积神经网络的SegNet模型对高原鼠兔图像分割时的交并比、平均像素精度、Dice相似性指数和Jaccard指数分别提高了68.33%、9.35%、30.61%和47.98%,过分割率和欠分割率分别降低了87.20%、16.52%。 展开更多

关键词 高原鼠兔 卷积神经网络 图像分割 segnet 语义分割

在线阅读 下载PDF 职称材料

基于SegNet语义模型的高分辨率遥感影像农村建设用地提取 被引量：60

14

作者 杨建宇 周振旭 +3 位作者 杜贞容 许全全 尹航 刘瑞 《农业工程学报》 EI CAS CSCD 北大核心 2019年第5期251-258,共8页

针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像WorldView-2为数据源,利用182 064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神... 针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像WorldView-2为数据源,利用182 064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid scene parsing network,PSPNet)的试验结果作对比分析。研究结果表明:SegNet不仅能够高效利用高空间分辨率遥感影像中农村建筑物的光谱信息而且还能够充分利用其丰富的空间特征信息,最终形成较好的分类模型,该算法在验证样本中的分类总体精度为96.61%,Kappa系数为0.90,建筑物的F1值为0.91,其余5种分类算法的总体精度、Kappa系数、建筑物的F1值都分别在94.68%、0.83、0.87以下。该研究可以为高空间分辨率遥感影像农村建设用地提取研究提供参考。 展开更多

关键词 遥感 图像分割 算法 深度学习 segnet语义分割模型 高空间分辨率遥感影像 农村建设用地提取

在线阅读 下载PDF 职称材料

基于改进SegNet网络的遥感图像语义分割方法研究 被引量：9

15

作者 关世杰 刘继豪 姜月秋 《兵器装备工程学报》 CAS CSCD 北大核心 2023年第7期237-242,共6页

遥感图像的语义分割在生产和生活中有着广泛的应用。针对常用的语义分割网络SegNet在遥感图像上对小目标和边缘细节分割精度不够理想的问题,对SegNet进行改进,提出EP-SegNet模型。该模型将激活函数由ReLU替换为ELU,以加快收敛速度,避免... 遥感图像的语义分割在生产和生活中有着广泛的应用。针对常用的语义分割网络SegNet在遥感图像上对小目标和边缘细节分割精度不够理想的问题,对SegNet进行改进,提出EP-SegNet模型。该模型将激活函数由ReLU替换为ELU,以加快收敛速度,避免神经元死亡,去掉编码器最后一层的池化仅作卷积处理以降低空间信息的损耗,构建Bottleneck层以在加深网络的同时减少参数量,引入金字塔池化模块(PPM)以提升网络对全局信息的感知能力。实验结果表明:该模型的准确率为97.48%,高于SegNet模型3.31%,在图像分割中对边缘细节和多尺度目标的分割精度有较明显提升,较之前模型表现更优。 展开更多

关键词 遥感图像 语义分割 segnet 深度学习 图像处理

在线阅读 下载PDF 职称材料

利用SegNet的非标准DM码的区域提取 被引量：2

16

作者 胡钡 赵江铭 +1 位作者 张小琛 高建设 《机械设计与制造》 北大核心 2021年第7期62-65,共4页

位置与背景鲁棒的区域提取技术一直以来都是DM码识别技术中的关键核心。目前,已有的二维码区域提取主要是利用卷积神经网络或者BP神经网络等方法来实现的,其共同特点是基于神经网络,且有较高的准确率,但这些方法仍存在以下缺点:(1)训练... 位置与背景鲁棒的区域提取技术一直以来都是DM码识别技术中的关键核心。目前,已有的二维码区域提取主要是利用卷积神经网络或者BP神经网络等方法来实现的,其共同特点是基于神经网络,且有较高的准确率,但这些方法仍存在以下缺点:(1)训练过程复杂繁琐;(2)训练后仍需对图片进行特征变换或者图片重组才能达到对其进行定位识别的目的。针对该问题,提出了一种基于语义分割技术的DM码条码区域提取方法:先采用基于深度学习的SegNet网络从图片中分割出包含二维码的最小区域,再对得到的区域进行二维码定位与解析,并进行了实验验证。实验结果表明,与已有的基于神经网络定位二维码区域的方法相比,利用SegNet的定位方法更为简洁高效,能够将准确率提高到99.5%,且具有更高的鲁棒性。 展开更多

关键词 segnet DM码条码 区域提取法 语义分割

在线阅读 下载PDF 职称材料

基于Segnet网络和迁移学习的全景街区影像变化检测 被引量：3

17

作者 余晓娜 黄亮 陈朋弟 《重庆大学学报》 CAS CSCD 北大核心 2022年第11期100-107,共8页

针对采用传统方法难以提高全景街区影像变化检测精度的问题,提出一种基于Segnet网络和迁移学习的全景街区影像变化检测方法。首先对数据集“TSUNAMI”进行预训练并对训练集进行分类归并;然后采用Segnet网络对全景街区影像进行语义分割,... 针对采用传统方法难以提高全景街区影像变化检测精度的问题,提出一种基于Segnet网络和迁移学习的全景街区影像变化检测方法。首先对数据集“TSUNAMI”进行预训练并对训练集进行分类归并;然后采用Segnet网络对全景街区影像进行语义分割,最后对语义分割结果进行差值运算,得到变化差异图并进行精度评价。实验选取两组全景街区影像,采用最大似然法、支持向量机方法(SVM,support vector machine)以及提出方法对这2组数据进行对比实验,第一组得到的精度分别为65.1%、72.1%和81.4%;第二组得到的精度分别为66.5%、70.6%、82.2%。实验结果表明提出的方法具有更高的变化检测精度,可为城市违章排查、灾后重建等提供技术支撑。 展开更多

关键词 segnet网络 迁移学习 全景街区影像 变化检测 支持向量机

在线阅读 下载PDF 职称材料

基于残差SegNet模型的高分辨率遥感影像分类方法 被引量：1

18

作者 薛明 韦波 +2 位作者 唐诗晴 李景文 姜建武 《桂林理工大学学报》 CAS 北大核心 2022年第4期918-925,共8页

为解决深度语义模型(SegNet)在高分辨率遥感影像分类中易出现梯度消失从而影响分类精度的问题,提出一种残差学习改进SegNet语义模型(ResSegNet)的高分辨率遥感影像分类方法,该方法以SegNet语义模型为基础,通过构建更深层次的网络结构并... 为解决深度语义模型(SegNet)在高分辨率遥感影像分类中易出现梯度消失从而影响分类精度的问题,提出一种残差学习改进SegNet语义模型(ResSegNet)的高分辨率遥感影像分类方法,该方法以SegNet语义模型为基础,通过构建更深层次的网络结构并加入残差块以提高模型的特征提取能力,从而提取更深层次影像空谱特征实现分类。利用高分辨率遥感影像语义分割数据集Vaihingen和Postdam进行实验验证,结果表明:相比于支持向量机、面向对象决策树法、传统卷积神经网络和SegNet语义模型分类方法,提出的ResSegNet分类方法的总体精度均最高,分别为89.18%和87.62%,分类效果和分类精度最优。 展开更多

关键词 深度学习 语义分割 segnet语义模型 残差学习 高分辨率遥感影像分类

在线阅读 下载PDF 职称材料

SegNet在工件表面缺陷检测中的应用 被引量：11

19

作者 郭亚萍 顾智聪 彭宏京 《计算机工程与设计》 北大核心 2019年第10期2979-2984,共6页

提出一种基于SegNet网络的表面缺陷检测的方法。将表面缺陷检测问题重构成一种端到端的二分类和多分类问题,分别使用形状标注和矩形标注两种方式对检测结果进行对比分析。网络由一个编码器网络、一个相应的解码器网络以及一个逐像素分... 提出一种基于SegNet网络的表面缺陷检测的方法。将表面缺陷检测问题重构成一种端到端的二分类和多分类问题,分别使用形状标注和矩形标注两种方式对检测结果进行对比分析。网络由一个编码器网络、一个相应的解码器网络以及一个逐像素分类层组成。编码器网络从原始图像分层学习视觉特征,解码器网络逐步将编码特征上采样映射到像素级分类的输入大小。实验结果表明,基于SegNet网络的方法准确率高,鲁棒性强,过程简单,具有一定的通用性。 展开更多

关键词 表面缺陷 缺陷检测 深度学习 神经网络 segnet网络

在线阅读 下载PDF 职称材料

基于语义分割和霍夫变换的可见光图像海天线检测方法 被引量：2

20

作者 陈信强 陈建慧 +3 位作者 刘恕浩 韩冰 赵建森 李朝锋 《中国航海》 CSCD 北大核心 2024年第4期36-43,共8页

海天线检测是船舶智能航行视觉感知的关键技术。针对水上交通图像中海天线检测受船舶、海浪和天气等因素干扰问题,提出一种基于语义分割和霍夫变换的海天线检测方法。将图像输入基于SegNet网络改进的Mo-SegNet图像语义分割算法进行训练... 海天线检测是船舶智能航行视觉感知的关键技术。针对水上交通图像中海天线检测受船舶、海浪和天气等因素干扰问题,提出一种基于语义分割和霍夫变换的海天线检测方法。将图像输入基于SegNet网络改进的Mo-SegNet图像语义分割算法进行训练,对图像特征进行学习;用Canny检测算法在语义分割图像中检测出边缘轮廓线;采用霍夫变换拟合边缘像素得到海天线检测结果。在场景一,其检测准确率和交并比分别达到99.28%和74.85%;在场景二,其检测准确率和交并比分别达到98.60%和59.41%;在场景三,其检测准确率和交并比分别达到99.31%和77.19%,试验结果表明,所提出的语义分割与霍夫变换结合的算法在检测海天线方面具有较高的准确性和有效性。 展开更多

关键词 海天线检测 segnet网络 霍夫变换 水上交通 智能航行

在线阅读 下载PDF 职称材料