基于深度学习的烟草垄行分割模型

摘要

基于图像金字塔的分割算法存在分割边界不明显、区域较窄的人工结构图象分割不足、不能确定具体类别的问题,若图像中包含着其他的背景信息,此种算法就不能很好地进行分割.基于卷积神经网络搭建烟草垄行的语义分割,可更好地区分背景,此垄行语义分割的卷积神经网络模型使用了宽度卷积来压缩各卷积层的可训练参数,类间平衡技术训练,并使用PReLU激活函数为宽度卷积提供非线性输出.此模型相对于Segnet模型处理测试集图像平均每幅耗时降低46.9％,像素准确率提高28.6％.