改进的DeepLabV3+指针式仪表图像分割算法

作     者：杨武 胡敏 常鑫 赵昕宇 余华云 Yang Wu;Hu Min;Chang Xin;Zhao Xinyu;Yu Huayun

作者机构：长江大学计算机科学学院荆州434023 

基　　金：国家自然科学基金(61440023)项目资助 

出 版 物：《国外电子测量技术》 (Foreign Electronic Measurement Technology)

年 卷 期：2024年第43卷第1期

页      码：10-19页

摘      要：针对现有的仪表自动化读数算法占用空间大、推理速度较慢以及不能有效分割图像中密集细小目标的问题,提出改进的DeepLabV3+指针式仪表分割算法。首先以轻量化的MobileNetV2来构建网络主干达到降低参数量和推理权重、提高检测速度的目的。其次通过分块并归策略设计CSP-ASPP结构,在保证网络性能的同时降低参数量。之后使用改进后的SKFF模块通过自注意力机制以非线性方式融合多尺度特征,将原网络解码器中的二尺度特征融合变为四尺度特征融合。最后使用交叉熵损失联合加权的Dice损失作为网络的总损失函数,解决仪表分割中各类别像素分布不均的问题。最后通过实验证明,改进后的DeepLabV3+算法在仪表分割数据集上的平均交并比(mIoU)和平均像素准确率(mPA)达到了89.3%和94.8%,相对原网络分别提高了0.7%、0.6%,参数量和推理权重却仅有原网络的约7%,同时在GPU和CPU上的推理速度分别达到91和16 fps,解决了嵌入式设备部署困难的问题,达到了实时检测的要求,提高了仪表自动化读数的效率。

主 题 词：指针式仪表图像分割 DeepLabV3+ 轻量化 分块并归 多尺度特征融合 Dice Loss 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.19652/j.cnki.femt.2305398

馆 藏 号：203126117...