摘要
数字图像处理在公安领域的应用十分广泛,其中对单色图像分割预处理,在人脸识别、车辆识别和指纹识别等方面有着十分重要的作用.本文提出一种改进的U-net,选取交叉损失函数(constituent error,CE)与Dice Loss组合作为损失函数,提高网络模型对小目标的分类精度;添加批量归一化BN层(batch normalization)模块和LayerScale模块提高网络在训练时的收敛速度和稳定性,抑制无用特征并且突出有效特征;选取视觉几何组(visual geometry group,VGG)作为主干网络提高采样过程中对特征的重复利用率;选用两倍双线性插值上采样的方式,提高网络模型对特征的重复利用率.本文基于自制的单色图像数据集,利用改进的U-net对单色图像进行语义分割,在像素准确率、类别平均像素准确率、平均交并比方面比原始的U-net分别提高了 1.43%、1.57%、8.75%,取得了良好的语义分割效果.
维普
万方数据