基于TM-DeeplabV3+算法的白细胞图像语义分割

作者：陈静; 谢鹏; 张亚飞; FELIX Manirankunda

来源：湖北民族大学学报(自然科学版), 2022, 40(03): 314-335.

DOI：10.13501/j.cnki.42-1908/n.2022.09.012

• TM-DeeplabV3+
• 语义分割
• MobileNetV3
• 迁移学习
• 白细胞

针对现有白细胞图像语义分割模型中分割耗时长，以及过分割和欠分割导致分割精度低的问题，提出一种基于TM-DeeplabV3+的白细胞图像语义分割算法.该算法使用MobileNetV3网络替换Xception网络作为M-DeeplabV3+算法的主干特征提取网络，有效减少了语义分割模型的参数量；从源模型中选择预训练模型并进行参数迁移，进而通过迁移学习进行M-DeeplabV3+模型的迭代.在血液计数数据集中将TM-DeeplabV3+模型与DeeplabV3+模型进行对比实验验证，TM-DeeplabV3+模型的mIOU、mPA和分割速度指标分别提升了1.83%、1.45%和49.16帧/s.实验结果表明TM-DeeplabV3+算法明显提升了白细胞图像语义分割的准确性和实时性.

• 单位
  安徽理工大学