少样本条件下的复杂叶片图像语义分割 |
| |
引用本文: | 汪庆,杜炜,马春,谷宗运.少样本条件下的复杂叶片图像语义分割[J].齐齐哈尔大学学报(自然科学版),2022(3):21-25,31. |
| |
作者姓名: | 汪庆 杜炜 马春 谷宗运 |
| |
摘 要: | 针对少样本条件下复杂叶片分割精确度不高的问题,提出一种基于数据增强的图像语义分割方法.使用翻转、平移方法对训练集中的图像进行增强扩充,利用VGG19代替原SegNet语义分割模型的VGG16主干网络进行模型训练.实验结果表明,在包含180幅复杂背景叶片的图像数据集上,使用该方法的评价指数MPA和MIOU达到了98.02...
|
关 键 词: | 语义分割 SegNet模型 VGG19 少样本 复杂叶片 数据增强 |
|
|