少样本条件下的复杂叶片图像语义分割

• 作者: 汪庆 杜炜 马春 谷宗运
• 来源期刊: 齐齐哈尔大学学报（自然科学版）
• 学科: 工学
• 关键词: 语义分割 SegNet模型 VGG19 少样本 复杂叶片 数据增强
• 年，卷（期）: 2022,（3）
• 页码范围: 21-25,31
• 页数: 6页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.1007-984X.2022.03.005

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％和95.79％,相比未使用数据增强的原模型分别提高了9.96％和15.27％.