-
题名基于改进Res-UNet的昼夜地基云图分割网络
- 1
-
-
作者
王铂越
李英祥
钟剑丹
-
机构
成都信息工程大学通信工程学院
-
出处
《计算机应用》
CSCD
北大核心
2024年第4期1310-1316,共7页
-
基金
四川省科技计划项目(2023YFS0428)。
-
文摘
针对昼夜地基云图在分割中细节信息丢失、分割精度低等问题,提出一种基于改进Res-UNet(Residual network-UNetwork)的昼夜地基云图分割网络CloudRes-UNet(Cloud ResNet-UNetwork),整体采用编码器-解码器的网络结构。首先,编码器使用ResNet50提取特征,增强特征提取能力;其次,设计多级特征提取(Multi-Stage)模块,该模块结合分组卷积、膨胀卷积和通道打乱这3种技巧,获取高强度语义信息;再次,加入高效通道注意力(ECA‑Net)模块,在通道维度上聚焦重要信息,加强对地基云图中云区域的关注,提高分割精度;最后,解码器使用双线性插值对特征进行上采样,提高分割图像的清晰度并减少目标和位置信息丢失。实验结果表明,与当前基于深度学习表现较好的地基云图分割网络(Cloud-UNet)相比,CloudRes-UNet在昼夜地基云图分割数据集上的分割准确率提升了1.5个百分点,平均交并比(MIoU)上升了1.4个百分点,更准确地获取了云量信息,对天气预报、气候研究和光伏发电等方面具有积极意义。
-
关键词
地基云图
语义分割
深度学习
高效通道注意力网络
ResNet50
Res-UNet
-
Keywords
ground-based cloud image
semantic segmentation
deep learning
Efficient Channel Attention Network(ECA-Net)
ResNet50
Res-UNet(Residual network-UNetwork)
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-