基于卷积神经网络的图像分割方法研究

文档摘要：针对传统卷积神经网络存在的参数多、过度拟合导致图像分割精度不高、算法运行效率低的问题,采用最大池化处理取代下采样层,构建改进的CNN结构,获得U-Net卷积神经网络,并进行进一步改进.将改进的U-Net卷积神经网络应用于高分辨率的遥感图像中,结果表明其可以对遥感图像中的小建筑物进行精细、完整分割.另外,通过和FCN32s、SegNet、FCN8s的对比,指出改进的U-Net卷积神经网络在遥感图像分割中具有更加良好的性能.

Abstract：Aimingattheproblemsofmultipleparameters,overfittingleadingtolowimagesegmentationac-curacyandlowalgorithmefficiencyintraditionalconvolutionalneuralnetworks,maximumpoolingpro-cessingisadoptedtoreplacethedownsamplinglayer,andanimprovedCNNstructureisconstructedtoob-taintheU-Netconvolutionalneuralnetwork,whichisfurtherimproved.TheimprovedU-Netconvolution-alneuralnetworkisappliedtohigh-resolutionremotesensingimages,andtheresultsshowthatitcanper-formfineandcompletesegmentationofsmallbuildingsinremotesensingimages.Inaddition,bycompa-ringwithFCN32s,SegNet,andFCN8s,itispointedoutthattheimprovedU-Netconvolutionalneuralnet-workhasbetterperformanceinremotesensingimagesegmentation.

作者：戚伟   葛斌   桑冬青 Author：QIWei   GEBin   SANGDongqing
作者单位：淮南职业技术学院智能与电气工程学院,安徽淮南,232001安徽理工大学计算机科学与工程学院,安徽淮南,232001
刊名：长春工程学院学报（自然科学版）
Journal：JournalofChangchunInstituteofTechnology(NaturalScienceEdition)
年，卷(期)：2024, 25(1)
分类号：TP391.2
关键词：卷积神经网络  图像分割  遥感图像  
Keywords：convolutionalneuralnetwork  imagesegmentation  remotesensingimage  
机标分类号：TP391.41TP274.2TN911.73
在线出版日期：2024年4月28日
基金项目：安徽省高等学校自然科学研究重点项目基于卷积神经网络的图像分割方法研究[
期刊论文]  长春工程学院学报（自然科学版）--2024, 25(1)戚伟  葛斌  桑冬青针对传统卷积神经网络存在的参数多、过度拟合导致图像分割精度不高、算法运行效率低的问题,采用最大池化处理取代下采样层,构建改进的CNN结构,获得U-Net卷积神经网络,并进行进一步改进.将改进的U-Net卷积神经网络应用于高...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文

关键词：卷积神经网络,图像分割,遥感图像,

2024-10-4 00:43 上传 基于卷积神经网络的图像分割方法研究.pdf

文件大小:

2.26 MB

下载次数:

60

高速下载