基于多类别Focal Loss损失函数的变电站场景图像语义分割研究

扫码查看

原文链接

万方数据
维普

中文摘要：图像语义分割技术在变电站智能机器人抢险作业以及日常巡检中起重要作用.针对变电站场景中的类别不平衡问题,提出了一种用于训练多类别图像语义分割模型的多类别Focal Loss损失函数.多类别Focal Loss损失函数可以动态调整各类别的权值,对出现频率小的类别更加友好.基于深度学习和变电站场景图像,分别使用多类别Focal Loss损失函数和交叉熵损失函数训练基于FCN、SegNet和DeepLabV3网络的图像语义分割模型进行对比实验,并通过平均交并比和像素准确率等评价指标进行模型评价.实验结果表明基于多类别Focal Loss损失函数的图像语义分割模型具有良好效果,有助于缓解类别不平衡现象.

外文标题：Research on Semantic Segmentation of Transformer Substation Image Based on Multi-category Focal Loss Function

作者：

毛昊、李新利、王孝伟、杨国田、彭鹏、邵宇鹰

展开 >

作者单位：

华北电力大学控制与计算机工程学院,北京102206

国网上海市电力公司,江苏上海200120

关键词：

图像语义分割深度学习多类别损失函数评价指标类别平衡化

基金：

项目编号：

520970190009

出版年：

2022

DOI：

10.3969/j.ISSN.1007-2691.2022.05.10

华北电力大学学报(自然科学版)

华北电力大学

华北电力大学学报(自然科学版)

CSTPCD北大核心

影响因子：0.868

ISSN：1007-2691

年,卷(期)：2022.49(5)

被引量6
参考文献量6