科研之友
微信
新浪微博
Facebook
分享链接
摘要
能够准确提取所拍摄图像中的河道，在基于无人驾驶的河道监测管理中是至关重要的任务。针对河道图像分割任务中，背景复杂，相似度高以及目标对象尺度不一等情况，提出了基于U-Net的改进网络模型ADD-Unet。首先，通过多尺度融合的方式扩充感受野，并以多个比例捕捉图像的上下文信息，获取更精细的语义信息；其次设计密集跳接结构和密集块，一方面补偿损失的空间位置信息，一方面利用低级特征和高级特征之间的相互指导监督，提升特征提取的能力；最后在USVInland数据集上验证了新网络模型及其各模块的有效性。实验表明，经过数据增强后，ADD-Unet网络模型的类别平均像素精确度达到了94.350%,并与U-Net、SegNet、PSPNet和DeeplabV3+网络相比较，结果表明该模型有更优的分割性能。
- 出版日期2022
- 单位新疆大学
