基于空洞卷积神经网络的金刚石图像语义分割

论文摘要

为准确分割金刚石颗粒图像,基于空洞卷积网络构建图像语义分割模型。以自建的小型金刚石颗粒图像数据集为基础,对所建模型的批处理规模、卷积层过滤器数量和膨胀系数等超参数进行调优。对比调优后的空洞卷积网络与传统的全局阈值法、自适应阈值法对金刚石颗粒图像的分割能力。研究结果表明:批处理规模、卷积层过滤器数量和膨胀系数等参数对网络的分割能力有重要影响;空洞卷积网络在0.965的精确度下可达到0.966的召回率,性能明显高于传统方法的,尤其是较好地解决了金刚石颗粒上亮斑的归类问题。

论文目录

• 1 图像分割模型架构和数据集构建
•   1.1 网络架构
•   1.2 数据集构建
• 2 空洞卷积网络训练
•   2.1 图像预处理
•   2.2 试验超参数设置
•   2.3 分割性能评价指标
• 3 结果与分析
•   3.1 批处理大小对分割性能的影响
•   3.2 过滤器数量对分割性能的影响
•   3.3 空洞卷积膨胀系数对分割性能的影响
•   3.4 优化后网络与传统方法分割性能对比
• 4 结论

文章来源

类型: 期刊论文

作者: 潘秉锁,潘文超,刘子玉

关键词: 金刚石图像,空洞卷积网络,图像分割,深度学习

来源: 金刚石与磨料磨具工程 2019年06期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑,信息科技

专业: 无机化工,计算机软件及计算机应用,自动化技术

单位: 中国地质大学(武汉)工程学院

基金: 国家自然科学基金面上项目(41872187)

分类号: TP391.41;TP183;TQ163

DOI: 10.13394/j.cnki.jgszz.2019.6.0004

页码: 20-24

总页数: 5

文件大小: 1104K

下载量: 196