论文部分内容阅读
基于阈值或纹理分割的秸秆覆盖率检测算法,存在准确性低、复杂度高、运行耗时长等问题,且对含有大量干扰因素的复杂农田场景分割效果不佳。本文提出了一种检测准确度高、训练参数少且运行速度快的语义分割算法(DSRA-UNet)。该算法结合UNet的对称编-解码架构,在浅层特征图使用标准卷积,深层采用深度可分离卷积,并在每一层增加残差结构来加大网络深度,以降低参数量的同时提高精度。此外,在跳级连接过程增加全局最大池化注意力机制,进一步提高网络的分割精度。将算法在秸秆数据集上进行验证,实验结果表明本文所提算法平均