CN117237620B 一種基于輕量化改進Unet語義分割網絡的單目標定位方法 （河海大學）_第1頁
CN117237620B 一種基于輕量化改進Unet語義分割網絡的單目標定位方法 （河海大學）_第2頁
CN117237620B 一種基于輕量化改進Unet語義分割網絡的單目標定位方法 （河海大學）_第3頁
CN117237620B 一種基于輕量化改進Unet語義分割網絡的單目標定位方法 （河海大學）_第4頁
CN117237620B 一種基于輕量化改進Unet語義分割網絡的單目標定位方法 （河海大學）_第5頁
已閱讀5頁，還剩10頁未讀， 繼續免費閱讀

下載本文檔

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

文檔簡介

號一種基于輕量化改進Unet語義分割網絡的本發明公開了一種基于輕量化改進Unet語用訓練好的權重文件通過Unet語義分割網絡實實現根據匹配參數定位目標位置。本發明引入2八位彩色圖中相同語義的像素點具有相同的顏色并與其他語義的像素Ghost模塊首先對輸入的特征圖利用一次1x1卷積進行通道的縮減獲得濃縮特征，而后對于縮減后的特征層每個通道使用深度可分離卷積獲得與所述濃縮特征相似的特征圖，最后再把1x1卷積所得的濃縮特征以及深度可分離卷積獲得的特征圖進行堆疊得到輸出加強特征提取網絡：利用主干特征提取網絡得到的特征層進行上采樣恢復到原圖尺兩個3x3的卷積層組成一個模塊，經過四次上采樣特征融合模塊處理后再接一層1x1的卷步驟6，將所述模板圖像進行旋轉、縮放操作直到其在預測結果圖像中遍歷匹配到目2.根據權利要求1所述的基于輕量化改進Unet語義分割網絡的單目標定位方法，其特34模塊和1×1普通卷積。所述主干特征提取網絡中，Ghost模塊代替傳統Unet中3×3卷積，[0008]步驟3：使用步驟2的Unet語義分割網絡對步驟1所述數據集進行訓練，以基于5中遍歷匹配到目標，匹配度表示為模板所有邊界點與步驟5預測結果圖像中待匹配區域的[0012]預測結果圖像即對實時的圖像中的識別目標的圖像區域進行預測并通過特定的[0013]經過上述步驟本發明可對明亮、黑暗以及光照不均勻等環境下的目標進行識經過改進的Unet語義分割網絡可實時快速得將復雜多變光照環境下的目標在圖像中的像[0014]進一步地，步驟2中主干特征提取網絡，Ghost模塊代替傳統Unet中3×3卷積，stride為2的Ghost瓶頸代替傳統Unet中最大池化層。所述Ghost模塊首先對輸入的特征圖6注意力機制對其進行輕量化改進，實現保持Unet原有的識別精度并且預測速度提高了集完成后對圖像中目標的像素區域在labelme軟件中進行手動標注語義區域，得到帶有圖[0030]如圖1所示所述Ghost模塊為首先對輸入的特征圖利用一次1×1卷積進行通道的圖進行堆疊得到輸出的特征層。如圖2所示所述stride為2的Ghost瓶頸用于對特征層的寬集分為訓練集與驗證集，將訓練集作為改進后的Unet語義分割網絡的輸入，以基于7失較小的權重文件。而后將驗證集通過所述改進后的Unet語義分割網絡進行預測，通過ij表示FN(FalseNegative假反例)，i預測值與j真實值相符；Pjj表示TN(True8

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，請聯系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網頁內容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業或盈利用途。
  • 5. 人人文庫網僅提供信息存儲空間，僅對用戶上傳內容的表現方式做保護處理，對用戶上傳分享的文檔內容本身不做任何修改或編輯，并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容，請與我們聯系，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。

評論

0/150

提交評論