基于Gloabl-Local评估方法的U-Net图像分割

作     者：余玉琴 蔡晨 YU Yuqin;CAI Chen

作者机构：上海理工大学上海200093 

基　　金：中国国家自然科学基金项目(编号:61673276) 上海市科委地方能力建设项目(编号:15550502500)资助 

出 版 物：《计算机与数字工程》 (Computer & Digital Engineering)

年 卷 期：2019年第47卷第4期

页      码：914-918,943页

摘      要：精确的图像分割是完成图像中物体姿态、大小估计的重要步骤,但由于物体的多样性、复杂性等原因,使得图像分割在计算机视觉领域仍然是具有挑战性的任务。针对标准U-Net模型实现端到端的图像分割时精确度不高、训练难以收敛等问题设计了一种基于Gloabl-Local评估方法的U-Net图像分割方法。首先根据同时兼顾全局信息和局部信息能够得到精确的图像分割图,论文提出了Gloabl-Local训练过程易拟合等问题,提出了改进U-Net法和4个公共显著性检测数据集训练改进U-Net网络模型,大大提高了图像分割的准确率。论文的方法平均准确率达到90.74%,与标准U-Net相比具有更好的分割效果。此方法实现了准确高效的图像分割,为估计图像中物体的姿态、大小提供了可靠依据。

主 题 词：Gloabl-Local评估方法 改进U-Net 图像分割 全局信息 局部信息 

学科分类：08[工学] 080203[080203] 0802[工学-机械学] 

D　O　I：10.3969/j.issn.1672-9722.2019.04.034

馆 藏 号：203636999...