基于优化U-net的单色图像分割算法

摘要

数字图像处理在公安领域的应用十分广泛，其中对单色图像分割预处理，在人脸识别、车辆识别和指纹识别等方面有着十分重要的作用。本文提出一种改进的U-net,选取交叉损失函数(constituent error, CE)与Dice Loss组合作为损失函数，提高网络模型对小目标的分类精度；添加批量归一化BN层(batch normalization)模块和LayerScale模块提高网络在训练时的收敛速度和稳定性，抑制无用特征并且突出有效特征；选取视觉几何组(visual geometry group, VGG)作为主干网络提高采样过程中对特征的重复利用率；选用两倍双线性插值上采样的方式，提高网络模型对特征的重复利用率。本文基于自制的单色图像数据集，利用改进的U-net对单色图像进行语义分割，在像素准确率、类别平均像素准确率、平均交并比方面比原始的U-net分别提高了1.43%、1.57%、8.75%,取得了良好的语义分割效果。

关键词

单色图像 / 语义分割 / 改进U-net / 交叉熵损失函数(CE) / Dice Loss损失函数 / LayerScaler模块