基于改进U-Net网络的吹氩图像分割方法

摘要

针对传统U-Net网络模型参数量大、图片处理时间长、无法满足工业生产实时性要求的问题,提出了一种改进U-Net网络的吹氩图像分割方法。该方法以U-Net框架为主体,使用传统U-Net网络的特征融合模块高效利用图像的特征信息,利用MoblieNet网络中的深度可分离卷积方法替代传统卷积,降低网络的参数量和计算量,缩短了分割所需的时间。实验结果表明,改进的U-Net网络在保持精度的同时,具有良好的实时性。与传统U-Net网络相比,其参数量缩小15倍,在GPU上运行平均耗时降低6倍。改进的U-Net网络处理一张分辨率为224×224像素的图片的平均耗时为30 ms,可以满足工业生产对图像处理实时性的要求。