论文部分内容阅读
针对现有火焰图像分割精度低的问题,提出了一种基于改进ResNet-UNet的火焰图像分割网络,实现火焰的精确分割。以UNet神经网络为基础,采用ResNet-34网络作为神经网络特征提取前端,加深了网络层数,保留ResNet-34的独立卷积结构和残差结构,并保证ResNet-34网络和UNet网络的有效融合,从而形成ResNet-UNet神经网络。针对火灾图像中目标区域与背景区域在图像中所占比例差别大而导致的分割类别不平衡问题,将交叉熵损失与Dice损失线性组合并对Dice损失加权。经实验证明,提出