10.13331/j.cnki.jhau.2020.06.017
基于SegNet模型的高原鼠兔的图像分割
针对高原鼠兔图像目标尺寸小、背景复杂、特征不显著、基于活动轮廓的图像分割模型无法有效分割的问题,采用基于卷积神经网络的SegNet语义模型对高原鼠兔图像进行分割:首先将采集的高原鼠兔图像进行预处理,尺度归一化后制作成与Pascal VOC数据集格式一致的数据集;然后将数据集分为训练集与测试集,采用训练集对SegNet模型训练,测试集对模型进行分割测试.对高原鼠兔图像分割的试验结果表明:与基于活动轮廓的Chan_Vese模型相比,基于卷积神经网络的SegNet模型对高原鼠兔图像分割时的交并比、平均像素精度、Dice相似性指数和Jaccard指数分别提高了68.33%、9.35%、30.61%和47.98%,过分割率和欠分割率分别降低了87.20%、16.52%.
高原鼠兔、卷积神经网络、图像分割、SegNet、语义分割
46
TP391(计算技术、计算机技术)
国家自然科学基金项目61362034、62061024
2020-12-29(万方平台首次上网日期,不代表论文的发表时间)
共4页
749-752