典型文献
基于 CBAM-Unet的铁矿球团边缘分割实验方法
文献摘要：
针对高度粘连和堆叠严重的生球影像噪声点多、边界模糊的问题,本文提出一种融入注意力机制的深度学习图像语义分割模型(CBAM-Unet)进行球团边缘检测和分割的方法.方法步骤:①样本数据集制备,采集30张包括深度分离、高度粘连到堆叠严重等不同状态的图片,通过数据增广形成900张图片的样本数据集;②模型建立,将卷积块状注意力模块(Convolution Block Attention Module,CBAM)融入到Unet网络模型,形成CBAM-Unet模型,对生球边缘进行检测和分割.研究结果表明:相比于Unet方法,CBAM-Unet方法的相似度系数(eDice)、类别平均像素准确率(emPA)、平均交并比(emIoU)分别提高9.8％、9.7％、14.7％.本文提出的识别模型可提高球团分割的准确性,为实际应用奠定基础.
文献关键词：
球团;边缘分割;注意力机制;CBAM-Unet
中图分类号：
作者姓名：
肖成勇;李擎;王莉;王威;张德政
作者机构：
北京科技大学自动化学院,北京100083
文献出处：
引用格式：
[1]肖成勇;李擎;王莉;王威;张德政-.基于 CBAM-Unet的铁矿球团边缘分割实验方法)[J].烧结球团,2022(02):8-15,23
A类：
eDice,emPA,emIoU
B类：
CBAM,Unet,铁矿球团,边缘分割,实验方法,粘连,堆叠,噪声点,边界模糊,注意力机制,图像语义分割,分割模型,边缘检测,方法步骤,样本数据集,连到,数据增广,块状,注意力模块,Convolution,Block,Attention,Module,相似度系数,像素,平均交并比,识别模型,高球
AB值：
0.348735
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。
