基于轻量级Fast-Unet网络的航拍图像电力线快速精确分割

• 作者: 杨锴 周顺勇 曾雅兰 赵亮
• 来源期刊: 四川轻化工大学学报（自然科学版）
• 学科: 工学
• 关键词: 电力线检测 语义分割 Unet 深度可分离残差卷积 金字塔池化 Focal loss Dice loss
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 电子信息·计算机
• 页码范围: 74-83
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.11863/j.suse.2022.01.10

摘要

为了满足光学航拍图像中电力线检测的实时性和高精度,提出了一种轻量级Fast-Unet网络电力线检测方法.它以Unet语义分割网络为基础,添加金字塔池化结构增强特征上下文信息的融合.设计深度可分离残差卷积运算,增加了网络深度且进一步减少了网络参数量.使用多损失函数训练Fast-Unet网络,缓解图像中前景与背景类别分布极度不平衡的问题.实验结果表明,相较于Unet算法,模型参数量大幅减少,运算速度明显提升.Fast-Unet满足了实际应用需求,且模型参数体积得到了有效压缩,更容易部署于各种嵌入式系统,对于提高直升机与无人机的低空飞行安全有一定的现实意义.