使用深度学习网络U-Net进行道路提取的研究与讨论

• 作者: 杨宁 金生
• 来源期刊: 黑龙江大学工程学报
• 学科: 工学
• 关键词: 深度学习 计算机视觉 道路提取 神经网络
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 水利与土木工程
• 页码范围: 1-8
• 页数: 8页
• 分类号: TP751
• 语种: 中文
• DOI: 10.13524/j.2095-008x.2020.04.045

摘要

道路提取在许多领域都有重要的应用,是一个非常必要并且活跃的研究课题.在以往的道路提取任务中通常采用人工标注的方法,但人工标注是一项复杂的工作,而且不能保证结果的准确和精度.随着计算机计算能力的提升,形态学算法、计算机视觉、机器学习等方法开始被用于道路提取和标记任务中.讨论了道路提取过程中常见的问题和可行的解决方案.并利用马萨诸塞道路数据集数据库进行了U-Net道路提取任务的实验.在缺乏训练样本和训练时间较短的情况下,证明了二元交叉熵损失和IoU损失函数的组合是完成该任务的可能方法.