基于注意力机制改进DeepLabV3+网络的拉索检测方法

摘要

【目的】基于计算机视觉进行拉索振动测量时，背景图像中物体的运动会影响拉索振动识别的精度。因此，提出一种引入有效通道注意力（ECA）机制的改进DeepLabV3+网络方法，以去除复杂图像背景并提取图像前景中的拉索目标。【方法】在DeepLabV3+网络的编码阶段增设特征提取模块以增强拉索图像的深层特征，从而获得更精细的拉索边缘；在解码阶段引入浅层特征融合模块过滤背景信息并减少细节信息的损失。【结果】在采集的离散拉索图像数据上对模型的精度进行评估，结果表明：改进后的DeepLabV3+网络的平均交互比（MIoU）、类别像素精度（PA）和平均像素精度（MPA）均有提高，分别达到0.990 1、0.998 4和0.994 9。【结论】改进后的DeepLabV3+网络对拉索像素识别的精度更高，对背景图像的分割更完全，可有效去除拉索的复杂图像背景。

关键词

计算机视觉 / 注意力机制 / 复杂图像背景 / 前景拉索 / DeepLabV3+网络