一種露天礦區(qū)非結(jié)構(gòu)化道路分割檢測方法_第1頁
一種露天礦區(qū)非結(jié)構(gòu)化道路分割檢測方法_第2頁
一種露天礦區(qū)非結(jié)構(gòu)化道路分割檢測方法_第3頁
全文預(yù)覽已結(jié)束

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領(lǐng)

文檔簡介

如，U-net[1]具有良好的性能，也常常被用于道路分割問題。SegNet[2的語義分割、基于FCN[3]的像素級分類、基于U-net的醫(yī)學(xué)影像分割等。后，本文采用了常用的方法，包括灰度閾值法、K-means聚類法、形態(tài)特征提取。在編碼器中，為了減少參數(shù)數(shù)量，本文采用了VGG[4]VGG是一種基于特征圖進行分層的卷積網(wǎng)絡(luò)，具有較好的性能，并且易KaggleCarvana中的數(shù)據(jù)對該方法進行了實在本文的實驗中，卷積神經(jīng)網(wǎng)絡(luò)中的超參數(shù)為學(xué)習率為0.01、訓(xùn)練次數(shù)為30，最終訓(xùn)練出的網(wǎng)絡(luò)模型能夠?qū)Ψ墙Y(jié)構(gòu)化道路進行高效分割。F1分數(shù)上都有了提高，其準確率約為96.43%，F(xiàn)1分數(shù)約為0.804。1為實驗中的分割效果圖，可以看出，我們的方法具有良好的道F1分數(shù)方面進行一定程度的提高。因此，本文提出的方法可以應(yīng)用到Ronneberger,O.,Fischer,P.,&Brox,T.(2015).U-net:Convolutionalnetworksforbiomedicalimagesegmentation.InInternationalConferenceonMedicalimagecomputingandcomputer-assistedintervention(pp.234-241).Springer.Badrinarayanan,V.,Kendall,A.,&Cipolla,R.(2017).Segnet:Adeepconvolutionalencoder-decoderarchitectureforimagesegmentation.IEEEtransactionsonpatternanalysisandmachineintelligence,39(12),2481-2495.Long,J.,Shelhamer,E.,&Darrell,T.(2015).Fullyconvolutionalnetworksforsemanticsegmentation.InProceedingsoftheIEEEconferenceoncomputervisionandpatternrecognition(pp.Simonyan,K.,&Zisserman,A.(2014).Verydeepconvolutionalnetwo

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽，若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

最新文檔

評論

0/150

提交評論