摘要:
本文将U-net应用于无人机图像处理问题,对无人机图像进行像素级的语义分割,以识别地物类型及其包含的像素。为了提高神经网络的识别精度,本文提出了一种改进的基于u-net的神经网络模型,并将其应用于该问题。通过训练、验证和测试相同的小样本数据集,发现改进后的网络比Unet具有更好的识别精度。
1 介绍
2 FCN and U-net
2.1. FCN
浅层卷积具有较小的感知域,可以学习一些局部特征,而深层卷积具有较大的感知域,可以学习更多的抽象特征。
FCN也有一些固有的缺陷。例如,结果不够精确。上采样的结果是模糊平滑的,对图像中的细节不敏感。二是没有充分考虑象素之间的关系,缺乏空间一致性。
2.2. U-net
atrous-unet structure
文中创新点:只加入arous-conv,与UNet比较有一定提高。