基于改进DeepLabv3+网络的氩花图像语义分割

	基于改进DeepLabv3+网络的氩花图像语义分割
	秦汉 1,2; 熊凌 1,2; 肖林伟 3; 但斌斌 1
	2022-12-09
发表期刊	武汉科技大学学报
ISSN	1674-3644
卷号	46 期号:01 页码:25-32
摘要	钢包底吹氩过程中钢液表面裸露区域（即氩花）的面积可以间接反映吹入钢包中的氩气量。为了准确识别出钢水表面图像中的氩花区域，本文提出一种基于改进DeepLabv3网络的图像语义分割方法。该方法以DeepLabv3网络为基础，采用MobileNetV2作为主干特征提取网络，以降低网络的参数量和计算量；同时将原来的交叉熵损失函数替换成Focal Loss损失函数，以解决正/负样本不平衡和难/易分类样本不平衡的问题；最后在网络结构中添加通道注意力机制来提高语义分割精度。以生产现场采集的图像数据为对象进行实验，结果表明，与原始DeepLabv3相比，本文网络模型的参数量和计算量降低了约92.3%，平均交并比提升了0.82个百分点，达到92.4%，帧率提高了23.40%。
关键词	语义分割氩花图像钢包底吹氩 DeepLabv3+ MobileNetV2 Focal Loss 通道注意力机制
URL	查看原文
收录类别	北大核心
语种	中文
资助项目	国家自然科学基金资助项目(62173261);湖北省重点研发计划项目(2020BAB021);湖北省中央引导地方科技发展基金资助项目(2020ZYYD022)
原始文献类型	学术期刊
文献类型	期刊论文
条目标识符	http://ir.library.ouchn.edu.cn/handle/39V7QQFX/152130
专题	国家开放大学湖南分部
通讯作者	肖林伟
作者单位	1.武汉科技大学冶金自动化与检测技术教育部工程研究中心; 2.武汉科技大学机器人与智能系统研究院; 3.湖南开放大学智能制造学院
通讯作者单位	国家开放大学湖南分部
推荐引用方式 GB/T 7714	秦汉,熊凌,肖林伟,等. 基于改进DeepLabv3+网络的氩花图像语义分割[J]. 武汉科技大学学报,2022,46(01):25-32.
APA	秦汉,熊凌,肖林伟,&但斌斌.(2022).基于改进DeepLabv3+网络的氩花图像语义分割.武汉科技大学学报,46(01),25-32.
MLA	秦汉,et al."基于改进DeepLabv3+网络的氩花图像语义分割".武汉科技大学学报 46.01(2022):25-32.