黑臭水体分布广泛,严重损害人民的居住环境和城市整体美观形象。以河北省廊坊市为研究区,利用高分二号(GF-2)多光谱数据和实测数据,使用PSPNet(Pyramid Scene Parsing Network)和U-Net模型对黑臭水体遥感信息提取进行对比实验研究。基...黑臭水体分布广泛,严重损害人民的居住环境和城市整体美观形象。以河北省廊坊市为研究区,利用高分二号(GF-2)多光谱数据和实测数据,使用PSPNet(Pyramid Scene Parsing Network)和U-Net模型对黑臭水体遥感信息提取进行对比实验研究。基于可见光波段(RGB)及近红外波段(NIR)计算归一化差异植被指数(NDVI)和归一化差异黑臭水体指数(NDBWI),针对细小形状的黑臭水体普遍存在的漏检问题,引入注意力机制模块对模型进行优化改进,构建改进型深度学习黑臭水体遥感信息提取模型。结果表明:输入RGB+NIR+NDVI+NDBW六通道组合遥感影像并引入注意力机制的U-Net网络模型对黑臭水体的提取结果最佳,其精度评价指标F1-srore、MIoU、Recall分别达到了0.8645、0.8681、0.8359。展开更多
文章提出了一种基于金字塔池化模型(Pyramid Scene Parseing Network,PSPNet)神经网络模型的竞技运动图像分割方法。其使用了一种具有速度快、精度高、易部署优点的卷积神经网络架构,利用残差网络实现了数据增强技术,进一步提高了分割...文章提出了一种基于金字塔池化模型(Pyramid Scene Parseing Network,PSPNet)神经网络模型的竞技运动图像分割方法。其使用了一种具有速度快、精度高、易部署优点的卷积神经网络架构,利用残差网络实现了数据增强技术,进一步提高了分割的准确性和稳定性。实验结果表明,提出的改进后的PSP Net模型在图像分割中的准确率为94.59%,优于其他方法。该方法有望在竞技运动领域的视频图像分割任务中得到广泛应用。展开更多
水下鱼类图像因受到光线散射和吸收、水体杂质等因素影响,导致水下鱼类图像质量较低,本文通过改进自动彩色均衡(automatic color equalization,ACE)算法进行水下鱼类图像增强,有效改善图像质量,并为后续的水下图像分割打下良好的基础。...水下鱼类图像因受到光线散射和吸收、水体杂质等因素影响,导致水下鱼类图像质量较低,本文通过改进自动彩色均衡(automatic color equalization,ACE)算法进行水下鱼类图像增强,有效改善图像质量,并为后续的水下图像分割打下良好的基础。针对水下鱼类图像分割效果差、实时性低等问题,本文提出ARD-PSPNet网络模型,使用ResNet101网络模型作为特征提取网络,利用分割性能良好的PSPNet(pyramid scene parsing network)网络模型作为基础图像分割模型,通过引入深度可分离卷积来降低计算量,通过R-MCN网络结构,充分利用浅层网络特征层丰富的位置信息和完整性,改进损失函数使得分割位置更加准确,在Fish4knowledge数据集上进行实验,结果表明:新模型与原模型相比,在平均交并比(mean intersection over union,MIOU)上提高了2.8个百分点,在平均像素准确率(mean pixel accuracy,MPA)上提高了约2个百分点。展开更多
文摘黑臭水体分布广泛,严重损害人民的居住环境和城市整体美观形象。以河北省廊坊市为研究区,利用高分二号(GF-2)多光谱数据和实测数据,使用PSPNet(Pyramid Scene Parsing Network)和U-Net模型对黑臭水体遥感信息提取进行对比实验研究。基于可见光波段(RGB)及近红外波段(NIR)计算归一化差异植被指数(NDVI)和归一化差异黑臭水体指数(NDBWI),针对细小形状的黑臭水体普遍存在的漏检问题,引入注意力机制模块对模型进行优化改进,构建改进型深度学习黑臭水体遥感信息提取模型。结果表明:输入RGB+NIR+NDVI+NDBW六通道组合遥感影像并引入注意力机制的U-Net网络模型对黑臭水体的提取结果最佳,其精度评价指标F1-srore、MIoU、Recall分别达到了0.8645、0.8681、0.8359。
文摘文章提出了一种基于金字塔池化模型(Pyramid Scene Parseing Network,PSPNet)神经网络模型的竞技运动图像分割方法。其使用了一种具有速度快、精度高、易部署优点的卷积神经网络架构,利用残差网络实现了数据增强技术,进一步提高了分割的准确性和稳定性。实验结果表明,提出的改进后的PSP Net模型在图像分割中的准确率为94.59%,优于其他方法。该方法有望在竞技运动领域的视频图像分割任务中得到广泛应用。
文摘水下鱼类图像因受到光线散射和吸收、水体杂质等因素影响,导致水下鱼类图像质量较低,本文通过改进自动彩色均衡(automatic color equalization,ACE)算法进行水下鱼类图像增强,有效改善图像质量,并为后续的水下图像分割打下良好的基础。针对水下鱼类图像分割效果差、实时性低等问题,本文提出ARD-PSPNet网络模型,使用ResNet101网络模型作为特征提取网络,利用分割性能良好的PSPNet(pyramid scene parsing network)网络模型作为基础图像分割模型,通过引入深度可分离卷积来降低计算量,通过R-MCN网络结构,充分利用浅层网络特征层丰富的位置信息和完整性,改进损失函数使得分割位置更加准确,在Fish4knowledge数据集上进行实验,结果表明:新模型与原模型相比,在平均交并比(mean intersection over union,MIOU)上提高了2.8个百分点,在平均像素准确率(mean pixel accuracy,MPA)上提高了约2个百分点。