文献类型：期刊文章

作　　者：冯向东[1] 邬忠萍[2] 郝宗波[3]

FENG Xiang-dong;WU Zhong-ping;HAO Zong-bo(Department of Basic Teaching,The Engineering&Technical College of Chengdu University of Technology,Leshan 614000,China;School of Automobile and Transportation,Chengdu Technological University,Chengdu 611730,China;School of Information and Software Engineering,University of Electronic Science and Technology of China,Chengdu 610054,China)

机构地区：[1]成都理工大学工程技术学院基础教学部,四川乐山614000 [2]成都工业学院汽车与交通学院,四川成都611730 [3]电子科技大学信息与软件工程学院,四川成都610054

出　　处：《计算机工程与设计》

基　　金：国家自然科学基金项目(61003032);四川省重点实验室开放课题基金项目(2020YW003、scsxdz2019by01);2019年度乐山市重点科技计划基金项目(19GZD051)。

年　　份：2023

卷　　号：44

期　　号：8

起止页码：2432-2438

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：为提高UAV红外图像语义分割的性能,提出基于深度学习和高斯伯努利受限玻尔兹曼机(GB-RBM)的实时语义分割模型。确认地面车辆实时特征提取中的关键问题。基于GB-RBM,提出用于编码阶段的形状先验模型。通过将SegNet中的编码器-解码器结构与GB-RBM模块相融合,在解码器块中生成红外数据的实时映射,实现准确快速的语义分割。实验结果表明,所提方法能够很好地处理红外视频中的实时几何信息,在3个实验数据集上的平均精度约为0.98,平均处理时长约为17.86 s,性能优于其它优秀方法。

关 键 词：深度学习  语义分割  受限玻尔兹曼机  红外图像 编码器-解码器  特征提取  几何信息

分 类 号：TP391]