10.16208/j.issn1000-7024.2023.01.031
DeepLab V3+改进的树木图像分割
针对树木图像分割需要预处理、人机交互和分割精度低等问题,提出基于改进的DeepLab V3+的街道树木图像分割方法.在编码端使用带有扩张卷积的扩张残留网络并添加密集连接方式提取中阶特征图,传递给设计有交互信息传递的空洞空间卷积池化金字塔,增强了不同感受野之间的相关性,采用多尺度拼接融合方法形成高阶特征图.在解码端,对多增加的中阶特征图和高阶特征图进行上采样后调整通道数,与低阶特征图进行跨层拼接融合,使高分辨率图像的细节信息得到更好的补充.在自制树木图像分割数据集以及Cityscapes公共数据集上的精度相较DeepLab V3+以及其它主流网络有所提高.
树木图像、语义分割、空洞卷积、密集卷积网络、多尺度融合、扩张残留网络、卷积神经网络
44
TP391.41;TP183(计算技术、计算机技术)
林业公益性行业科研专项;国家自然科学基金
2023-02-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
232-239