典型文献
改进的神经网络ADD-Unet用于河道图像的分割
文献摘要：
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.
文献关键词：
河道图像分割;U-Net;多尺度融合;密集跳接结构;数据增强
中图分类号：
作者姓名：
刘丹;张建杰;徐鸿哲;刘尧兵
作者机构：
新疆大学机械工程学院 乌鲁木齐830000
文献出处：
引用格式：
[1]刘丹;张建杰;徐鸿哲;刘尧兵-.改进的神经网络ADD-Unet用于河道图像的分割)[J].国外电子测量技术,2022(12):120-126
A类：
河道图像分割,密集跳接结构,USVInland
B类：
ADD,Unet,无人驾驶,河道监测,监测管理,进网,多尺度融合,感受野,上下文信息,语义信息,密集块,空间位置信息,低级,互指,指导监督,新网,数据增强,像素,SegNet,PSPNet,DeeplabV3+
AB值：
0.330022
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。
