-
题名LRSS-Net:轻量级遥感地物分割网络
- 1
-
-
作者
唐琼霜
何青
戴思璇
洪巍
-
机构
长沙理工大学电气与信息工程学院
-
出处
《计算机系统应用》
2023年第5期227-233,共7页
-
基金
国家自然科学基金(62103063)。
-
文摘
针对目前基于深度学习的高分辨率遥感图像分割模型由于参数量大、计算复杂而导致高延迟、低响应的问题,提出了一种轻量级遥感地物分割方法,较好的平衡了速度和精度.该方法使用MobileNetV2进行特征粗提取,通过构建空间信息嵌入分支实现不同尺度的特征细提取,不同层次之间引入密集连接以获取密集的上下文信息.解码端设计特征融合优化策略逐层融合不同尺度的特征增加对细粒度特征的感知,同时以反卷积与双线性插值交替的上采样方式减少图像边缘信息丢失.最后采用交叉熵损失与Dice损失结合的方式加快网络收敛速度.为了验证所提方法的有效性,与几种常用的语义分割方法进行了对比实验.实验结果表明,所提算法的分割准确率为93.7%,MIoU为88.01%,可以实现地物的有效分割.
-
关键词
遥感图像
轻量级
地物分割
密集连接
MobileNetV2
深度学习
-
Keywords
remote sensing image
lightweight
segmentation of ground objects
dense connection
MobileNetV2
deep learning
-
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于改进YOLOv5的电子粉涂覆不均检测
被引量：2
- 2
-
-
作者
戴思璇
何青
唐琼霜
洪巍
-
机构
长沙理工大学电气与信息工程学院
-
出处
《电子测量技术》
北大核心
2023年第14期155-161,共7页
-
基金
国家自然科学基金(62103063)项目资助
-
文摘
放电管生产过程中,电极表面电子粉涂覆是否均匀是影响放电管产品质量的关键,目前主要依赖于人工目检,针对人工检测效率低、精度差等问题,提出一种基于改进YOLOv5的电子粉涂覆不均检测算法。首先,采集电极表面电子粉涂覆的图像制作数据集,并进行数据增强;其次,引入STDC模块优化主干特征提取网络,提高对难以辨认的金属电极表面缺陷不均的检测精度,并生成两个特征图以适应数据集;最后使用K-means++聚类优化自适应锚框计算。实验结果表明:改进YOLOv5算法对电子粉涂覆不均检测的mAP@50达到99.22%,与原YOLOv5网络相比提升了6.84%,大大提升了检测精度,相较于人工检测其效率更高。
-
关键词
放电管
缺陷检测
YOLOv5
STDC模块
K-means++聚类
-
Keywords
gas discharge tube
defect detection
YOLOv5
STDC Block
K-means++clustering
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
