期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到9篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于改进SegNet网络的障碍物检测算法研究 被引量：1
1
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
一种改进SegNet网络的路面裂缝分割算法 被引量：1
2
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
基于改进SEGNET模型的图像语义分割 被引量：11
3
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
基于SegNet模型的高原鼠兔的图像分割 被引量：4
4
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
基于改进SegNet算法的车道线检测方法 被引量：21
5
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
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
6
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
SegNet在工件表面缺陷检测中的应用 被引量：11
7
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
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
8
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
基于无人机遥感和深度学习的松材线虫病疫木自动提取方法研究 被引量：18
9
作者 时启龙 黄石明 +4 位作者 张明霞 肖欣 喻俊 徐健 邱琳 《西部林业科学》 CAS 北大核心 2022年第5期28-33,共6页
松材线虫病是一种由松墨天牛携带传播松材线虫而引起的毁灭性病害,已经成为近40 a来我国发生最严重、最危险的重大林业病害。传统的监测方法主要依靠人工外业调查和卫星遥感目视判读的方法,不仅工作量大,而且效率低下。本研究以江西省... 松材线虫病是一种由松墨天牛携带传播松材线虫而引起的毁灭性病害,已经成为近40 a来我国发生最严重、最危险的重大林业病害。传统的监测方法主要依靠人工外业调查和卫星遥感目视判读的方法,不仅工作量大,而且效率低下。本研究以江西省赣州市为研究区域,利用无人机航空摄影获取松材线虫病疫区遥感影像,以被松材线虫感染的疫木为目标,通过面向对象提取和人工校核的方式对图像进行标注,并以256×256像素大小对图像和标签进行裁剪,以8︰2的比例将图像随机分成训练集和验证集,从而构建出包括图像和相应标签的深度学习样本数据库。然后基于TensorFlow开源框架搭建了U-Net和SegNet两种深度学习网络模型。结果显示,U-Net网络模型和SegNet网络模型训练精度均超过95%,U-Net网络模型验证精度要高于SegNet网络模型,SegNet网络模型在训练过程中出现了过拟合现象。最后本研究选取部分区域开展了预测应用,结果表明,U-Net网络模型精确率为81.36%,召回率为83.12%,调和平均值为82.23%,高于SegNet网络模型的75.21%、76.84%和76.01%,U-Net网络模型提取效果优于SegNet网络模型。 展开更多
关键词 松材线虫 无人机遥感 深度学习 样本数据库 U-Net segnet 网络模型
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部