10.19665/j.issn1001-2400.2019.04.015
一种红外热图像目标区域分割的深度学习算法
为了解决复杂背景下红外热图像目标区域分割困难的问题,提出了一种利用全卷积网络和稠密条件随机场的深度学习分割算法.首先,利用全卷积网络进行像素级别特征提取,获得粗分割结果;然后,使用稠密条件随机场对粗分割结果进行上下文信息优化的精分割,最终实现目标区域的分割.将该算法应用于实际采集的太阳能板红外热图像数据集,五折交叉验证结果表明,该算法平均查准率为89.96%,平均查全率为94.55%,平均F1指数为0.9118,平均J指数为0.8687.同时,最高查准率为93.35%,最高查全率为97.59%,最高F1指数为0.9562,最高J指数为0.9125,均高于现有的主要算法.该算法耗时短且不需过多的人工干预,能实现复杂背景下红外热图像目标区域的有效分割.
红外热图像、分割、全卷积网络、稠密条件随机场
46
TP391(计算技术、计算机技术)
国家自然科学基金61463035;中国博士后科学基金2016M592117;江西省杰出青年基金2018ACB21038;微软 Azure研究基金2017;博士后研究人员日常经费补助2017RC01;江西省博士后科研择优项目2016KY01
2019-08-27(万方平台首次上网日期,不代表论文的发表时间)
共9页
107-114,121