-
题名改进的DeepLabV3+指针式仪表图像分割算法
- 1
-
-
作者
杨武
胡敏
常鑫
赵昕宇
余华云
-
机构
长江大学计算机科学学院
-
出处
《国外电子测量技术》
2024年第1期10-19,共10页
-
基金
国家自然科学基金(61440023)项目资助。
-
文摘
针对现有的仪表自动化读数算法占用空间大、推理速度较慢以及不能有效分割图像中密集细小目标的问题,提出改进的DeepLabV3+指针式仪表分割算法。首先以轻量化的MobileNetV2来构建网络主干达到降低参数量和推理权重、提高检测速度的目的。其次通过分块并归策略设计CSP-ASPP结构,在保证网络性能的同时降低参数量。之后使用改进后的SKFF模块通过自注意力机制以非线性方式融合多尺度特征,将原网络解码器中的二尺度特征融合变为四尺度特征融合。最后使用交叉熵损失联合加权的Dice损失作为网络的总损失函数,解决仪表分割中各类别像素分布不均的问题。最后通过实验证明,改进后的DeepLabV3+算法在仪表分割数据集上的平均交并比(mIoU)和平均像素准确率(mPA)达到了89.3%和94.8%,相对原网络分别提高了0.7%、0.6%,参数量和推理权重却仅有原网络的约7%,同时在GPU和CPU上的推理速度分别达到91和16 fps,解决了嵌入式设备部署困难的问题,达到了实时检测的要求,提高了仪表自动化读数的效率。
-
关键词
指针式仪表图像分割
DeepLabV3+
轻量化
分块并归
多尺度特征融合
Dice
Loss
-
Keywords
semantic segmentation of pointer meters
DeepLabV3+
lightweight
block-wise aggregation
multi-scale feature fusion
Dice Loss
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-