基于改进的UNet图像分割方法研究
代恒军
安徽省基础测绘信息中心 安徽合肥 230000
摘要：针对部分图像中由于背景复杂和边缘模糊造成的分割不准确问题,提出了一种基于深度卷积神经网络的复杂图像分割方法,将语义分割的思想与图像检测相结合,使用编码-解码网络结构,基于UNet网络进行改进.编码器采用深度残差网络ResNet提取图像特征,解码器通过转置卷积进行特征的上采样,同时对编码器的特征进行裁剪操作,再与上采样的特征进行融合,融合后的特征既包含高维的抽象信息,也包含低维的细节信息,加强了网络对特征的学习.在公开数据集上的实验结果表明,该方法的分割准确率达到94%,准确率和召回率均达到 80%以上.
关键词：深度学习UNet图像分割编码-解码网络结构卷积神经网络地理信息
论文发表日期：2023-07-28
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 8-11 )