基于ResGRUU-Net网络的图像分割算法

摘要

为提高密集图像分割训练效率，在深度残差网络、GRU、U-Net等网络模型基础上，设计了一种改进的ResGRUU-Net完成密集图像分割任务。首先，ResGRUU-Net中卷积块由两个或三个ResGRU块组成，可通过多条连通通路从原始信息中提取出不同的特征，从而记忆和消化先前特征中包含的规律；其次为提高数据使用效率，采用随机切片和Mosaic切片方法对数据进行扩增；最后，分别在DRIVE、STARE和CHASE＿DB1测试数据集上对训练模型进行评估。通过仿真分析，改进后的模型在测试数据集上的准确率分别提升了0.28%、0.17%和0.46%,表明改进后的模型相较于改进前的模型在精度和训练速度上有所提高。

关键词

图像分割 / 深度学习 / 残差网络 / 门控循环单元 / 数据增强