文献类型：期刊文章

作　　者：兰天翔[1] 向子彧[2] 刘名果[1] 陈凯[1]

LAN Tianxiang;XIANG Ziyu;LIU Mingguo;CHEN Kai(Kaifeng Intelligent Manufacturing Engineering Technology Research Center,School of Physics and Electronics,Henan University,Kaifeng,Henan 475000,China;School of Glasgow,University of Electronic Science and Technology of China,Chengdu 611731,China)

机构地区：[1]河南大学物理与电子学院,开封市智能制造工程技术研究中心,河南开封475000 [2]电子科技大学格拉斯哥学院,成都611731

出　　处：《计算机工程与应用》

基　　金：青年科学基金项目(61901158);河南省高等学校重点科研项目(19A520015)。

年　　份：2021

卷　　号：57

期　　号：17

起止页码：175-180

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CSCD、CSCD_E2021_2022、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：传统U-Net网络模型大,处理图片速度慢,难以适应工业生产中实时的需求。针对该问题,设计并实现了一个轻量级全卷积语义分割网络LU-Net。LU-Net网络以U-Net框架为主体,结合MobileNet-V2的思想,利用深度可分离卷积参数少、计算量小的特点轻量化网络模型。网络综合利用bottleneck模块与普通卷积的优点,并高效利用了高层特征,在保持精度的同时,大幅缩短了分割所需时间。经公开数据集DRIVE及自制凹陷字符数据集上实验的验证,相较于原U-Net网络模型,提出的LU-Net模型参数量缩小至0.59×10^(6),为原模型的1.9%,运行速度提高5倍,处理一张360×270图片的平均耗时为25 ms。LU-Net基本满足工业生产对图像实时处理的要求。

关 键 词：U-Net  语义分割  MobileNet-V2  深度可分离卷积  

分 类 号：TP391.41]