用于草坪场景理解的轻量化图像分割算法

来源 :计算机技术与发展 | 被引量 : 2次 | 上传用户：dlzhwp

【摘要】

：

为提高割草机器人作业过程中视觉感知模块的识别准确率,提出了使用图像分割算法进行草坪场景的理解识别。图像分割算法的计算量非常大,运行时依赖高性能的GPU,而割草机器人的硬件条件较差,因此设计了一种兼顾分割准确率和运行速度的轻量化深度卷积神经网络。网络采用编码-解码的结构,在编码网络部分,采用轻量化的特征提取模型,将深度可分离卷积的思想融入特征提取模型中,代替传统的卷积方式;在解码网络部分,基于Ref

【作者】

：

侯枘辰刘瑜廉华巩彦丽

【机构】

：

浙江理工大学机械与自动控制学院

【出处】

：

计算机技术与发展

【发表日期】

：

2020年10期

【关键词】

：

图像分割深度学习深度可分离卷积 RefineNet 卷积神经网络 image segmentationdeep learningdeep separable

【基金项目】

：

2018年浙江省教育科研项目(Y201840261)

下载到本地 , 更方便阅读

下载此文赞助VIP

声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架

论文部分内容阅读

其他文献

基于Mask R-CNN和多特征融合的实例分割

为了能够充分地利用图像特征信息,提升实例分割的效果,提出了一种基于Mask R-CNN网络结构和多特征融合的实例分割模型。首先,在Mask R-CNN模型的基础上引入两条分支:一条基于整体嵌套边缘检测(HED)模型的边缘检测分支生成偏重于边缘信息的边缘特征图,一条基于全卷积网络(FCN)的语义分割分支生成偏重于空间位置信息的语义特征图。然后,在进行感兴趣区域对齐(ROIAlign)时,为了充分利用

期刊

实例分割深度学习MaskR-CNN全卷积网络特征融合instance segmentationdeep learningMask R-CNNfull

基于机器学习方法的数字岩芯电导率预测

岩芯电导率是地下油气判断及岩石物理分析的重要参数。传统的岩石物理特性分析一般通过对岩芯样本的实验测量分析或对数字岩芯图像数据的有限元数值计算等方法,来获得岩石样本的电导率等宏观物理特性。但这两类分析方法均需耗费较高的人工、时间成本或大量计算资源。随着人工智能等一代数字化分析方法的发展,文中拟开发一种采用机器学习对岩石电特性进行预测的新方法。在研究中,将针对岩芯的三维图像数据使用集成学习(ensem

期刊

机器学习岩石物理神经网络集成学习电导率machine learningdigital rock physicsneural networkensemb

重视在语文实践活动中践行快乐教学法

快乐教学法的使用能给学生学习带来快乐的色彩,能激发学生学习热情,让学生在最佳状态下获得最好的教学效果。教师重视语文综合实践活动,在课堂教学实践,口语教学,开展的语文

期刊

语文实践活动快乐教学法语文学习能力潜力

用于草坪场景理解的轻量化图像分割算法

其他学术论文