10.19734/j.issn.1001-3695.2020.05.0150
轻量化卷积神经网络在SAR图像语义分割中的应用
针对合成孔径雷达图像的语义分割问题,构建了一个全新的TerraSAR-X语义分割数据集GDUT-Nansha.然后,为解决传统深度学习方法模型体积大,难以在样本数量偏少的合成孔径雷达图像数据集上应用的问题,对轻量化卷积神经网络ENet模型进行了分析和改造.提出了一种改进的轻量化卷积神经网络模型(revisedweighted loss eNet,RWL-ENet);针对合成孔径雷达图像数据集样本不平衡问题,使用了带有权重的损失函数.通过和其他经典卷积神经网络语义分割模型的对比实验,验证了新数据集的可靠性;同时,在参数量和模型体积远远小于其他网络模型的前提下,RWL-ENet模型在像素精度、平均像素精度、平均交并比三个定量指标上分别达到了0.884、0.804和0.645.
合成孔径雷达图像、深度学习、语义分割、轻量化卷积神经网络
38
TP183(自动化基础理论)
国家自然科学基金;国家国际科技合作专项基金;广东省海洋渔业厅—渔港建设;渔业发展专项资助项目;流域生态与地理环境监测国家局重点实验室资助项目;国家重点实验室开放基金
2021-06-02(万方平台首次上网日期,不代表论文的发表时间)
共5页
1572-1575,1580