基于注意力机制和U-net网络的漆面图像分割方法

自动除漆小车的视觉导航过程中,对漆面的分割精度和实时性有着较高的要求。为此,提出一种改进的U-net模型,用于视觉导航中的漆面分割任务。首先,搜集、制作了漆面数据集,并通过数据增强进行了数据集扩充。其次,通过引入Efficientnet-B0编码器和Focal Loss、特征融合环节嵌入串行双注意力机制,对U-net模型做了三处改进。最后,利用改进的模型对漆面进行分割,并与其他模型进行对比实验。实验结果表明,论文改进后的U-net模型,mPA比起U-net和ResU-net分别提升了2.63%和2.19%,达到了97.8%,PA比起U-net和ResU-net分别提升了2.88%和6.12%,达到了90.79%;在分割时间方面,比起DeepLabV3和DeepLabV3+分别提升了91.94%和90.17%,达到了0.1039s。论文提出改进的U-net模型,很好地兼顾了分割精度和实时性的要求。