科研之友
微信
新浪微博
Facebook
分享链接
摘要
为满足人造板表面缺陷图像分割的精度要求，提出了一种改进的UNet语义分割网络模型。在传统的UNet网络结构上将编码部分改进为残差网络ResNet50并去掉连接层与平均池化层，网络通过残差块堆叠获取更多特征的底层信息；同时在跳跃连接中嵌入聚焦注意力机制的模块，抑制干扰信息，保留有效位置信息，聚焦缺陷区域并加强学习。对4种UNet网络模型的人造板表面缺陷图像分割进行仿真比较，结果表明，融合聚焦注意力机制的残差UNet网络模型在像素准确率和平均交并比等指标上有较大提升，分割精度较高。
-
单位福建工程学院; 物理学院
