基于激励压缩空洞卷积改进U-Net网络的物流托盘图像分割算法
Packaging Journal（2021）
Abstract
针对物流托盘种类多、形体规则度复杂,以及在工业生产环境下托盘存在被遮挡、光照条件变化等因素影响托盘图像分割效果的问题,提出一种新颖的基于激励压缩空洞卷积(SEDC)改进的U-Net网络,通过对特征通道间的相关性进行建模,强化重要特征,提升物流托盘图像分割性能.在SEDC模块中使用1×1×1卷积进行数据降维与升维大幅降低计算量,利用正常卷积与膨胀率为2的空洞卷积探索不同视野下的图像特征,通过SE模块对不同层的重要程度进行自动学习.实验结果表明:相较于现有的一些经典图像分割算法,本文模型在尽可能保证图像分割性能的情况下大幅降低了模型的计算量,并提升了网络的鲁棒性,为物流托盘图像的智能分割提出了一种新的解决思路.
MoreAI Read Science
Must-Reading Tree
Example
Generate MRT to find the research sequence of this paper
Chat Paper
Summary is being generated by the instructions you defined