典型文献
基于深度残差网络的金属腐蚀图像分割
文献摘要：
传统的图像处理技术依赖于人工提取特征,难以应对复杂的金属腐蚀状况.而经典的深度学习算法没有有效利用特征信息,并且包含大量的参数,导致金属腐蚀图像分割精度低,计算量大.为此设计了 一种深度残差语义分割算法,通过引入残差结构以缓解神经网络梯度消失的问题,由浅入深地提取不同尺度的腐蚀图像特征.针对金属腐蚀图像的固有特性,融入了局部上下文特征以及多尺度的特征以提高金属腐蚀图像分割的精度,通过深度卷积和逐点卷积相结合进一步降低模型的参数量,并提高模型的泛化能力.在公共腐蚀数据集的实验结果表明,该方法以19.57 MB的参数量,取得了 79.39％的平均交并比和87.91％的平均像素准确率,显著提高了腐蚀图像分割的精度.
文献关键词：
腐蚀图像分割;残差结构;局部上下文特征;多尺度特征
中图分类号：
作者姓名：
刘琼;黄景煦;张熠卿;李广睿;向浪
作者机构：
北京信息科技大学 自动化学院,北京100192
文献出处：
引用格式：
[1]刘琼;黄景煦;张熠卿;李广睿;向浪-.基于深度残差网络的金属腐蚀图像分割)[J].北京信息科技大学学报（自然科学版）,2022(05):53-59
A类：
腐蚀图像分割
B类：
深度残差网络,金属腐蚀,图像处理技术,技术依赖,提取特征,腐蚀状况,深度学习算法,特征信息,计算量,语义分割,分割算法,残差结构,梯度消失,由浅入深,深地,不同尺度,图像特征,固有特性,局部上下文特征,深度卷积,逐点卷积,参数量,泛化能力,腐蚀数据,MB,平均交并比,像素,多尺度特征
AB值：
0.297182
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
