国外电子测量技术北大中文核心期刊ＤＯＩ：１０．１９６５２／ｊ．ｃｎｋｉ．ｆｅｍｔ．２２０４３１９改进的神经网络ＡＤＤ－Ｕｎｅｔ用于河道图像的分割刘丹张建杰徐鸿哲刘尧兵（新疆大学机械工程学院乌鲁木齐８３００００）摘要：能够准确提取所拍摄图像中的河道，在基于无人驾驶的河道监测管理中是至关重要的任务。针对河道图像分割任务中，背景复杂，相似度高以及目标对象尺度不一等情况，提出了基于Ｕ－Ｎｅｔ的改进网络模型ＡＤＤ－Ｕｎｅｔ。首先，通过多尺度融合的方式扩充感受野，并以多个比例捕捉图像的上下文信息，获取更精细的语义信息；其次设计密集跳接结构和密集块，一方面补偿损失的空间位置信息，一方面利用低级特征和高级特征之间的相互指导监督，提升特征提取的能力；最后在ＵＳＶＩｎｌａｎｄ数据集上验证了新网络模型及其各模块的有效性。实验表明，经过数据增强后，ＡＤＤ－Ｕｎｅｔ网络模型的类别平均像素精确度达到了９４．３５０％，并与Ｕ－Ｎｅｔ、ＳｅｇＮｅｔ、ＰＳＰＮｅｔ和ＤｅｅｐｌａｂＶ３＋网络相比较，结果表明该模型有更优的分割性能。关键词：河道图像分割；Ｕ－Ｎｅｔ；多尺度融合；密集跳接结构；数据增强中图分类号：ＴＰ７５１文献标识码：Ａ国家标准学科分类代码：５２０；４６０ＩｍｐｒｏｖｅｄｎｅｕｒａｌｎｅｔｗｏｒｋＡＤＤ－ＵｎｅｔｆｏｒｓｅｇｍｅｎｔａｔｉｏｎｏｆｒｉｖｅｒｉｍａｇｅｓＬｉｕＤａｎＺｈａｎｇＪｉａｎｊｉｅＸｕＨｏｎｇｚｈｅＬｉｕＹａｏｂｉｎｇ（ＳｃｈｏｏｌｏｆＭｅｃｈａｎｉｃａｌＥｎｇｉｎｅｅｒｉｎｇ，ＸｉｎｊｉａｎｇＵｎｉｖｅｒｓｉｔｙ，Ｕｒｕｍｑｉ８３００００，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｂｅｉｎｇａｂｌｅｔｏａｃｃｕｒａｔｅｌｙｅｘｔｒａｃｔｔｈｅｒｉｖｅｒｉｎｔｈｅｃａｐｔｕｒｅｄｉｍａｇｅｓｉｓａｃｒｕｃｉａｌｔａｓｋｉｎｕｎｍａｎｎｅｄ－ｂａｓｅｄｒｉｖｅｒｍｏｎｉｔｏｒｉｎｇａｎｄｍａｎａｇｅｍｅｎｔ．Ｆｏｒｒｉｖｅｒｉｍａｇｅｓｅｇｍｅｎｔａｔｉｏｎｔａｓｋｓｗｉｔｈｃｏｍｐｌｅｘｂａｃｋｇｒｏｕｎｄｓ，ｈｉｇｈｓｉｍｉｌａｒｉｔｙａｎｄｄｉｆｆｅｒｅｎｔｓｃａｌｅｓｏｆｔａｒｇｅｔｏｂｊｅｃｔｓ，ａｎｉｍｐｒｏｖｅｄｎｅｔｗｏｒｋｍｏｄｅｌＡＤＤ－ＵｎｅｔｂａｓｅｄｏｎＵ－Ｎｅｔｉｓｐｒｏｐｏｓｅｄ．Ｆｉｒｓｔｌｙ，ｔｈｅｐｅｒｃｅｐｔｕａｌｆｉｅｌｄｉｓｅｘｐａｎｄ...
