-
题名基于DSnet网络的零件边缘轮廓提取
被引量：4
- 1
-
-
作者
于微波
周旺
杨宏韬
-
机构
长春工业大学电气与电子工程学院
-
出处
《组合机床与自动化加工技术》
北大核心
2023年第2期169-173,177,共6页
-
基金
吉林省教育厅项目(JJKH20210744KJ)
吉林省科技发展计划项目(20200401118GX)。
-
文摘
针对传统边缘轮廓提取算法极易受到光照强度等因素的影响,出现噪声点和零件边缘轮廓点缺失问题,提出一种基于DSnet分割网络及最外围约束算法结合的零件边缘轮廓提取算法。首先,利用DSnet分割网络对零件原始图像进行分割操作,避免影响因素干扰的同时,获得分割边界明显的零件分割图像,再根据零件分割边界像素点的特点,采用最外围约束算法进行边缘轮廓提取,得到零件边缘轮廓图像。实验结果表明:提出的方法能在光照强度不均匀等因素的干扰下准确提取出完整的、单像素的零件边缘轮廓,而且提取精度的各项指标,RMSE达到了11.18,PSNR达到了27.76,SSIM达到了0.989 3,满足边缘轮廓提取精度的要求。
-
关键词
边缘轮廓提取
dsnet算法
最外围约束算法
-
Keywords
edge contour extraction
dsnet algorithm
outermost constraint algorithm
-
分类号
TH16
[机械工程—机械制造及自动化]
TG506
[金属学及工艺—金属切削加工及机床]
-
-
题名基于DSNet的遥感影像语义分割方法
- 2
-
-
作者
史芳行
周林娥
朱大明
付志涛
-
机构
昆明理工大学国土资源工程学院
曲靖职业技术学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2023年第6期342-348,共7页
-
基金
国家自然科学基金(41961053)。
-
文摘
针对遥感影像语义分割数据的类别不平衡导致传统神经网络模型趋向于忽略困难样本、推理结果存在空洞和分割准度下降等问题,提出了一种钻形神经网络语义分割方法.首先,定义新的桥接模块用于融合浅层和深层特征信息,使更多建筑细节特征能被网络捕捉;其次,利用多重损失函数在深度学习分割模型训练中加强对困难样本信息的提取;最后,平衡类别训练差异,多层次提取遥感影像中的地物信息,提高分割准度.实验结果表明,所提方法的平均交并比达到0.849,建筑物漏识率和错识率较少,分割准度相比现有方法有一定的提高.
-
关键词
遥感
深度学习
语义分割
类别不平衡
dsnet
-
Keywords
remote sensing
deep learning
semantic segmentation
category imbalance
dsnet
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于密集分割网络的车道线检测方法
被引量：4
- 3
-
-
作者
丁海涛
孙锐
程旭升
高隽
-
机构
合肥工业大学计算机与信息学院
-
出处
《计算机工程与科学》
CSCD
北大核心
2020年第3期467-473,共7页
-
基金
国家自然科学基金(61471154)
中央高校基本科研业务费专项资金(JZ2018YYPY0287)。
-
文摘
传统车道线检测算法大多数依赖手工制作特征和启发式算法的组合,容易受车辆遮挡和地面污损等因素的影响。针对影响车道线检测的复杂问题,将车道线检测视为连续细长区域实例分割问题,提出了一种基于密集分割网络的车道线检测方法。为此,使用稠密块构建了一个密集分割网络DSNet,该网络能够利用特征重复使用的特性提高提取车道线实例特征和恢复特征图分辨率的性能。同时,还引入了邻近AND运算和Meanshift聚类算法对DSNet网络的输出进行处理,减小了非车道线像素的影响,使得检测结果的边界线更为清晰。实验表明,本文方法能很好地解决车辆遮挡和地面污损问题,并且还能确定车道线的数量,具有较好的鲁棒性和实时性。
-
关键词
智能交通
车道线检测
实例分割
dsnet
邻近AND运算
Meanshift聚类
-
Keywords
intelligent transportation
lane line detection
instance segmentation
dsnet
proximity AND operation
Meanshift clustering
-
分类号
TN911.73
[电子电信—通信与信息系统]
-
