基于改进DeeplabV3+的水面多类型漂浮物分割方法研究OA北大核心CSTPCD
Research on segmentation method of multiple types of floating objects on water surface based on improved DeeplabV3+
[目的]为解决传统图像处理方法鲁棒性差、常用深度学习检测方法无法准确识别大片漂浮物的边界等问题,[方法]提出一种基于改进DeeplabV3+的水面多类型漂浮物识别的语义分割方法,提高水面漂浮的识别能力.对所收集实际水面漂浮物进行分类,采用自制数据集进行对比试验.算法选择xception网络作为主干网络以获得初步漂浮物特征,在加强特征提取网络部分引入注意力机制以强调有效特征信息,在后处理阶段加入全连接条件随机场模型,将单个像素点的局部信息与全局语义…查看全部>>
[Objective]In order to solve the problems of poor robustness of traditional image processing method and the inability of commonly used deep learning detection method to accurately recognize the boundaries of large floating objects,[Methods]a se-mantic segmentation method based on the improvement of DeeplabV3+for the recognition of multiple types of water surface floats was proposed,which improves the recognition ability of water surface floats.By classifying…查看全部>>
包学才;刘飞燕;聂菊根;许小华;柯华盛
南昌工程学院江西省水信息协同感知与智能处理重点实验室,江西南昌 330099||南昌工程学院信息工程学院,江西南昌 330099南昌工程学院江西省水信息协同感知与智能处理重点实验室,江西南昌 330099||南昌工程学院信息工程学院,江西南昌 330099南昌工程学院江西省水信息协同感知与智能处理重点实验室,江西南昌 330099||南昌工程学院信息工程学院,江西南昌 330099江西省水利科学院,江西南昌 330029南昌工程学院江西省水信息协同感知与智能处理重点实验室,江西南昌 330099||南昌工程学院信息工程学院,江西南昌 330099
计算机与自动化
深度学习语义分割特征提取漂浮物识别注意力机制全连接条件随机场算法模型影响因素
deep learningsemantic segmentationfeature extractionfloating object identificationattention mechanismfull connection condition random fieldalgorithmic modelinfluence factors
《水利水电技术（中英文）》 2024 (4)
163-175,13
国家自然科学基金项目(61961026)江西省水利厅科技项目(202223YBKT19)江西省科技厅重大科技研发专项"揭榜挂帅"制项目(20213AAG01012)
评论