典型文献
改进的Unet型木材缺陷图像分割方法
文献摘要：
卷积神经网络(Convolutional Neural Network,CNN)是深度学习的最重要的网络之一,基于CNN的语义分割是当前研究的热点之一,Unet是在FCN基础上发展而来的卷积神经网络模型.针对木材缺陷图像分割问题,提出一种基于改进的Unet模型与像素阈值的木材缺陷图像分割方法.首先,在Unet的基本网络结构上,对网络的层数、通道数进行修改;然后,利用Unet实现网络训练,获得结构参数,最后用训练好的网络对图像进行测试,获取特征通道灰度图,并利用OTSU阈值算法对灰度图进行分割.结果表明,选择好的网络结构和阈值等参数,算法能够实现木材缺陷的图像分割,激活层通道灰度图分割效果优于卷积层.
文献关键词：
木材缺陷;图像分割;卷积神经网络;Unet;FCN
中图分类号：
作者姓名：
严飞;章继鸿;姚宇晨;刘军
作者机构：
南京林业大学机械电子工程学院,江苏 南京210037
文献出处：
引用格式：
[1]严飞;章继鸿;姚宇晨;刘军-.改进的Unet型木材缺陷图像分割方法)[J].林业机械与木工设备,2022(01):41-45
A类：
B类：
Unet,木材缺陷,图像分割,分割方法,Convolutional,Neural,Network,语义分割,FCN,卷积神经网络模型,像素,层数,通道数,网络训练,练好,灰度图,OTSU,图分割,分割效果,卷积层
AB值：
0.280913
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。
