光电工程
2024, 50(12): 230242
作者单位
摘要
长安大学工程机械学院,陕西 西安 710000
裂缝是路面最主要的病害之一,及时、有效地检测和评估裂缝对路面养护至关重要。为实现路面裂缝图像快速、准确的语义分割,提出一种基于DeepLabv3+模型的路面裂缝检测方法。为减小模型参数量、提高推理速度,采用MobileNetv3作为模型的主干特征提取网络,且在空洞空间金字塔池化模块中使用Ghost卷积代替普通卷积,使模型更加轻量化。为避免替换主干网络降低模型精度:首先,在空洞空间金字塔池化模块中使用条形池化模块代替全局平均池化,有效捕获裂缝结构的上下文信息,避免无关区域噪声的干扰;其次,引入轻量级通道注意力机制efficient channel attention(ECA)模块,增强特征的表达能力,并设计浅层特征融合结构丰富图像的细节信息,优化模型对裂缝的识别效果;最后,构造混合损失函数解决裂缝数据集类别不平衡而导致检测精度较低的问题,利用迁移学习的训练方式提高模型的泛化能力。实验结果表明:所提路面裂缝检测模型参数仅为14.53 MB,比原模型参数量减少93.04%,平均帧率达到47.18,满足实时检测的要求;在精度方面,该模型裂缝检测结果的交并比和F1值分别为57.21%和72.76%,优于经典的DeepLabv3+、PSPNet、U-Net模型和先进的FPBHN、ACNet等模型。所提方法可大幅减小模型参数量,在保证路面裂缝检测精度的同时满足实时性,为基于语义分割的路面裂缝在线检测奠定基础。
图像处理 路面裂缝检测 语义分割 DeepLabv3+ 轻量化 检测精度 
激光与光电子学进展
2024, 61(8): 0812001
鲁斌 1,2刘亚伟 1,2,*张宇航 1,2杨振宇 1,2
作者单位
摘要
1 华北电力大学计算机系,河北 保定 071003
2 河北省能源电力知识计算重点实验室,河北 保定 071003
针对现有三维点云语义分割算法对点间密度信息以及空间位置特征利用不充分的问题,提出一种基于密度感知和自注意力机制的三维点云语义分割算法。首先,基于自适应K近邻(KNN)算法和局部密度位置编码构建密度感知卷积模块,从而有效地提取点间关键密度信息,加强初始输入特征的信息表达深度,提升算法捕获局部特征的能力。然后,构建空间特征自注意力模块,基于自注意力和空间注意力机制强化全局上下文信息和空间位置信息的关联性,对全局特征和局部特征进行有效聚合,从而提取更深层次的上下文特征,有效提升算法的分割性能。最后,在公开的S3DIS数据集和ScanNet数据集上进行了大量实验。实验结果表明,算法的平均交并比分别达到了69.11%和72.52%,与其他算法相比有明显提升,验证了所提算法有着良好的分割性能和泛化性能。
三维点云 语义分割 密度信息 注意力机制 密度位置编码 
激光与光电子学进展
2024, 61(8): 0811004
作者单位
摘要
1 新疆大学智能制造现代产业学院,新疆 乌鲁木齐 830017
2 新疆大学交通运输工程学院,新疆 乌鲁木齐 830017
针对现有语义分割方法检测高速公路护栏时存在预测速度慢、分割精度低的问题,提出一种基于改进DeepLabV3+的无人机高速公路护栏检测方法。首先,采用MobileNetv2网络替换原模型的主干并输出中层特征,减少参数量的同时恢复降采样过程中丢失的空间信息;然后,采用密集连接扩张卷积改进空洞空间金字塔池化,以减少漏分割现象;最后,在编码器部分引入空间分组增强(SGE)注意力机制,减少错分割现象。实验结果表明,改进后模型平均交并比、平均像素准确率、画面每秒传输帧数达到了79.20%、87.89%、52.59,相比基础模型,分别提高了2.59%、2.93%、56.70%,参数量降低了78.85%,能够在保障模型预测速度的同时提高对护栏的分割精度。
图像处理 语义分割 无人机 DeepLabV3+ 注意力机制 
激光与光电子学进展
2024, 61(4): 0412004
作者单位
摘要
山东科技大学测绘与空间信息学院,山东 青岛 266590
云的存在影响卫星数据的使用,因此准确高效的云检测在遥感图像目标识别和参数定量反演中具有重要作用。针对亮地表、薄碎云及云边界等难以识别、不同尺度特征的云检测精度不稳定等问题,对短期时序数据进行线性回归计算,将前后时序数据的表观反射率斜率变化趋势作为输入特征。为充分挖掘不同尺度的信息,采用具有密集跳跃结构和深监督结构的UNet++模型进行云检测研究。与单时相数据集的U-Net、SegNet和UNet++相比,所提方法可以更有效地突出多尺度特征,增加对亮地表、云边缘和薄云信息的敏感度。结果表明,所提方法在云检测方面得到较高的精度,总体精度达98.21%,误检率降低至1.07%,漏检率降低至3.12%。所提方法能有效降低裸地、道路、建筑物、冰雪等亮地表对云识别的干扰,提升了对薄云的识别精度,且适用于不同下垫面的遥感影像。
云检测;深度学习;时序数据;线性回归分析;语义分割 
激光与光电子学进展
2024, 61(4): 0428013
作者单位
摘要
1 重庆邮电大学计算机科学与技术学院重庆空间大数据智能技术工程研究中心,重庆 400065
2 昆明理工大学信息工程与自动化学院,云南 昆明 650500
高分辨率无人机遥感图像具有极为丰富的语义和地物特征,在语义分割中容易出现目标分割不全、边缘信息缺失、分割精度不足等问题。为了解决上述问题,基于DeepLabV3_plus模型提出改进的DeepLabV3_DHC。首先,利用多种主干网络进行下采样,采集图像的低级特征和高级特征。其次,将原模型的atrous spatial pyramid pooling(ASPP)全部替换成深度可分离混合空洞卷积,同时添加自适应系数,减弱网格效应。之后,抛弃传统上采样的双线性插值法,替换为可学习的密集上采样卷积。最后,在低级特征中串联注意机制。选用多种主干网络进行实验,数据集选用四川省隆昌市地区的部分图像,采用平均交并比和类别平均像素准确率作为评价指标。实验结果表明:所提方法不仅具有较高的分割精度,而且减少了计算量和参数量。
城市无人机遥感图像 语义分割 深度可分离混合空洞卷积 密集上采样 注意力机制 网格效应 
激光与光电子学进展
2024, 61(4): 0428005
作者单位
摘要
山东理工大学 计算机科学与技术学院,山东 淄博 255000
在内窥镜手术过程中,外科医师需实时掌握手术器械的位置信息。现有目标检测算法受反光和阴影等因素影响,其准确度和漏检率仍有优化的空间。本文提出一种基于改进YOLOv5s的手术器械检测与分割方法。首先,通过Gamma校正算法校正图像的亮度和对比度,以解决手术器械的反光和阴影遮挡等问题;其次,设计CBAM和动态卷积模块,增加重要特征信息的权重,以进一步提高目标检测的准确度并减少模型的漏检率;同时,优化空间金字塔池化模块以扩大感受野,从而更好地识别多尺度目标;最后,设计FPN语义分割头,以实现语义分割功能。在内窥镜手术数据集上的实验结果表明,本文目标检测的mAP@0.5为98.2%,语义分割的mIoU为94.0%。所提方法可辅助外科医师快速掌握手术器械的位置和类型,提高手术效率。
手术器械 目标检测 语义分割 注意力机制 surgical instruments target detection semantic segmentation attention mechanism 
液晶与显示
2023, 38(12): 1698
作者单位
摘要
1 国网吉林省电力有限公司电力科学研究院, 吉林长春 130021
2 南昌工程学院电气工程学院, 江西南昌 330099
受拍摄环境及局部放电程度影响, 夜间型紫外相机拍摄电晕放电图像不清晰、放电区域的颜色不仅接近背景颜色且与背景交叉重叠等导致难以自动分割局部放电, 针对该问题提出一种新的电力线紫外图像局部放电区域精确分割方法。首先, 构建基于 Unet深度学习语义分割模型, 利用已训练 Unet网络对紫外图像语义分割获得电晕放电区域粗分割结果; 其次, 将放电区域紫外图像转换为灰度图像, 基于前景加权的 Otsu阈值分割法对粗分割结果进行精确分割。对 426个样本进行测试, 本文方法全部分割出了样本图像中的局部放电区域, 且分割出的放电区域与真值之间的误差接近 0, 所提出的电晕放电分割方法能为局部放电大小量化和评估提供准确的数据源。
电晕放电 紫外成像 语义分割 Otsu阈值 corona discharge, ultraviolet imaging, semantic se 
红外技术
2023, 45(12): 1322
作者单位
摘要
南昌航空大学 信息工程学院, 南昌 330063
为了减少激光焊缝语义分割中焊缝形状和颜色多样性对分割精度的影响, 采用注意力机制的图像语义分割方法提取焊缝区域。通过把焊缝区域图像从RGB转变到HSV颜色空间, 在HSV模型空间实现对焊缝表面颜色识别, 分析了3种类型焊缝对区域分割和颜色识别的影响。结果表明, 焊缝分割区域平均像素精度约为91.2%, 添加注意力机制U型网络模型的分割效果更好。此焊缝表面颜色自动识别结果符合生产要求, 在工业生产中有广泛应用前景。
图像处理 语义分割 颜色识别 深度学习 注意力机制 image processing semantic segmentation color recognition deep learning attention mechanism 
激光技术
2023, 47(5): 723
作者单位
摘要
1 昆明理工大学机电工程学院,云南 昆明 650500
2 火箭军工程大学导弹工程学院,陕西 西安 710025
从遥感影像能够获取到精度高、范围广的地物信息,因而遥感影像在高空侦察和精确制导等领域得到广泛应用。针对遥感影像地物目标边缘模糊、尺度多变导致难以精准分割的问题,提出以深度残差网络为主干并结合注意力引导与多特征融合的分割方法,命名为AMSNet。首先,采用类别引导通道注意力模块提高模型对难分辨区域的敏感性;其次,嵌入特征复用模块减少遥感影像特征提取过程中边缘损失和小尺度目标丢失的问题;最后,设计跨区域特征融合模块以增强对多尺度特征信息的获取能力,并耦合多尺度损失融合模块对损失函数进行优化,综合提升模型对多尺度遥感影像目标的分割能力。选取3组遥感影像数据集进行对比实验,结果表明,AMSNet能够有效分割遥感影像地物目标边缘和多尺度目标。
遥感影像 语义分割 注意力机制 多尺度特征 
光学学报
2023, 43(24): 2428010

关于本站 Cookie 的使用提示

中国光学期刊网使用基于 cookie 的技术来更好地为您提供各项服务,点击此处了解我们的隐私策略。 如您需继续使用本网站,请您授权我们使用本地 cookie 来保存部分信息。
全站搜索
您最值得信赖的光电行业旗舰网络服务平台!