首页|联合光谱聚类和多尺度神经网络的电池板图像语义分割算法

联合光谱聚类和多尺度神经网络的电池板图像语义分割算法

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
针对传统图像分割算法精度不高,深度学习语义分割算法分割图像边界不清晰、不完整的情况,论文提出一种联合光谱聚类和多尺度神经网络的渐进式图像语义分割算法(CSCM-ISS).算法在神经网络模块引入LSTM层,使用记忆单元对RNN网络重新建模,进行由粗到细的多粒度分割;在卷积层各分支中使用大小不同的卷积核进行特征提取,实现多尺度分割.在传统图像处理模块使用光谱聚类算法对图像进行处理,将深度网络中的语义信息与光谱聚类对应的分割片段进行融合.实验结果表明,论文算法平均交并比可达0.93,实现对室外电池板区域图像的精准分割.
Semantic Segmentation Algorithm for Solar Panel Images Based on Spectral Clustering and Multi-scale Neural Network

张卓、黄俊凯、徐晓龙、胡金鹏

展开 >

河海大学物联网工程学院 常州 213022

太阳能电池板 语义分割 图像处理 长短期记忆网络 多尺度卷积

国家重点研发计划国家自然科学基金

2018YFC040710161671202

2022

10.3969/j.issn.1672-9722.2022.10.032

计算机与数字工程
中国船舶重工集团公司第七0九研究所

计算机与数字工程

CSTPCD
影响因子：0.355
ISSN：1672-9722
年,卷(期)：2022.50(10)
  • 2