FSNet:基于频率特性的烟雾图像分割网络
吴健辉1
何灿1
何俊康1
谢永芳2
赵林1
张国云1
1.湖南理工学院信息科学与工程学院,湖南岳阳4140062.中南大学自动化学院,湖南长沙410083
摘要：烟雾图像分割是对烟雾进行识别与精准定位的基础,是火灾预警的重要手段.针对烟雾分割时存在过分割、欠分割以及边界拟合粗糙的问题,本文提出一种基于频率分离特性的烟雾图像分割网络.所提出的频率分离模块将特征图中的烟雾区域分离为低频主体部分和高频边界部分,同时基于多任务学习设计多模块权重自适应损失函数对烟雾整体、主体、边界分别监督学习,起到细化烟雾边界和改善烟雾整体分割结果的作用;此外,结合可变形卷积提出改进的空洞空间金字塔池化模块以解决其信息利用率低和特征关联性差的问题.在对比实验中,FSNet的烟雾交并比为76.55％,比基线网络提高了4.25％.可视化分割结果可以看出,FSNet能有效缓解过分割、欠分割,所得烟雾边界更平滑,烟雾图像分割的整体性能获得较大提升.
关键词：烟雾图像分割频率特性空洞空间金字塔池化多任务学习深度学习
资助基金：湖南省自然科学基金项目(2019JJ40110)湖南省自然科学基金项目(2019JJ40104)湖南省教育厅科研基金项目(18B349)湖南省教育厅科研基金项目(19A201)湖南省教育厅科研基金项目(20A223)
论文发表日期：2023-04-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：11( 702-712 )
英文信息