基于改进的Unet模型的杨梅树冠的识别研究

扫码查看

原文链接

万方数据
维普

中文摘要：针对Uent语义分割方法在航拍影像中提取树冠时出现的精度不高、识别效果不佳等问题,文章提出了一种基于CBAM 注意力机制、DySample 上采样模块和HWD 下采样模块的改进方法.使用VGG 16作为主干特征提取网络,在进行下采样时,使用CBAM注意力机制对主干特征提取网络最后两个特征层提取的图像进行特征加强.同时,使用DySample上采样器对主干特征提取网络最后两个特征层提取的图像进行上采样,使用HWD下采样器对二者融合后的特征层进行下采样,提取更加精细和丰富的特征.实验结果表明,改进的Unet模型在杨梅树冠数据集识别上的准确率、平均像素精度、平均交并比分别为 94.35%、92.03%、85.49%,优于原始模型及对比模型.

作者：

任晟沅、王敬尧、朱晓冬

展开 >

作者单位：

北京农学院智能科学与工程学院,102206,北京昌平

关键词：

Unet 深度学习树冠 CBAM 语义分割 DySam-ple HWD

出版年：

2025

现代农机

浙江省农业机械管理局浙江万里学院

现代农机

影响因子：0.1

ISSN：1674-5604

年,卷(期)：2025.(1)

浏览量5