-
题名改进U_Net网络的钢结构表面锈蚀图像分割方法
- 1
-
-
作者
陈法法
董海飞
何向阳
陈保家
-
机构
三峡大学水电机械设计与维护湖北省重点实验室
国家大坝安全工程技术研究中心
-
出处
《电子测量与仪器学报》
CSCD
北大核心
2024年第2期49-57,共9页
-
基金
国家自然科学基金(51975324)
国家大坝安全工程技术研究中心开放基金(CX2022B06)
湖北省教育厅科研项目(B2021036)资助。
-
文摘
为实现锈蚀图像分割网络模型轻量化,同时消除非单一特征背景和锈液等类似特征背景干扰,本文将U_Net网络模型的编码部分替换为MobilenetV3_Large网络,导入基于ImageNet数据集的MobilenetV3_Large网络预训练权重,将U_Net网络模型解码部分的普通卷积替换为深度可分离残差卷积,并在上采样的过程中添加注意力导向AG模块和Dropout机制。经实验验证表明,本文设计的改进U_Net网络模型在非单一特征背景和锈液等类似特征背景干扰下,具有明显的锈蚀图像分割优势,相比于原U_Net网络模型,模型大小减少了81.18%,浮点计算量减少了98.34%,检测效率提升了3.27倍,即从原来不足6 fps,提升至19 fps。网络模型实现轻量化的同时,网络模型的准确率达95.54%,相比于原U_Net网络模型提升了5.04%。
-
关键词
锈蚀区域分割
MobilenetV3
U_Net
注意力导向
深度可分离残差卷积
-
Keywords
rust area segmentation
MobileNetV3
U_Net
attention guided
depth separable residual convolution
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TN911.73
[电子电信—通信与信息系统]
-