变电站环境下多目标多姿态行人语义分割检测

通过跳跃连接方式构建U-Net++深度学习模型,增加二进制交叉标记和骰子系数的组合作为损失函数,然后改进激活函数,并将Res2Net多尺度骨干架构作为特征提取网络,以获得更强的多尺度特征提取能力,进而对变电站环境下多目标多姿态行人进行语义分割检测实验。实验结果表明,对于变电站内行人目标极小、行人密集、行人多姿态非直立、行人多尺度并存等不同情况,所提算法都可准确检测并分割出行人目标,F1-Score指标可达0.978,检测效率可达0.035 s/张,优于其他两种经典方法。