基于残差神经网络的道路提取算法研究
Research on Road Extraction Algorithm Based on Residual Neural Networks
1 湖北工业大学 电气与电子工程学院，武汉 430068
2 湖北工业大学 太阳能高效利用湖北省协同创新中心，武汉 430068
3 美国南卡罗来纳大学 计算机科学与工程系，南卡 哥伦比亚 29201
图 & 表
图 1. 算法整体框架
Fig. 1. Algorithm overall framework
下载图片 查看原文
图 2. 残差模块
Fig. 2. Residual block
下载图片 查看原文
图 3. 空洞卷积
Fig. 3. Dilated convolution
下载图片 查看原文
图 4. 空洞卷积模块
Fig. 4. Dilated convolution module
下载图片 查看原文
图 5. 解码器模块
Fig. 5. Decoder module
下载图片 查看原文
图 6. 可视化结果
Fig. 6. The visualized results
下载图片 查看原文
表 1不同算法的性能比较
Table1. Performance comparison of different algorithms
| 精确率/(%) | 召回率/(%) | F1值/(%) | 准确率/(%) |
|---|
| CRF[5] | 40.5 | 32.2 | 35.9 | 82.5 | | Minimum cost path[6] | 47.1 | 67.9 | 55.6 | 89.9 | | FCN[17] | 43.5 | 68.6 | 53.2 | 90.4 | | RSRCNN[12] | 60.6 | 72.9 | 66.2 | 92.4 | | Seg Net[19] | 77.3 | 76.5 | 76.8 | 95.7 | | Two⁃Step⁃DCNN[15] | 87.9 | 89.3 | 88.6 | 98.1 | | Road⁃RCF[16] | 85.8 | 98.5 | 91.5 | 96.3 | | U⁃Net(5 layer) | 98.8 | 98.8 | 98.8 | 97.8 | | U⁃Net(7 layer) | 98.8 | 98.7 | 98.8 | 97.7 | | Ours | 98.9 | 98.8 | 98.9 | 97.9 |
|
查看原文
熊炜, 管来福, 童磊, 王传胜, 刘敏, 曾春艳. 基于残差神经网络的道路提取算法研究[J]. 光电子技术, 2020, 40(1): 6. Wei XIONG, Laifu GUAN, Lei TONG, Chuansheng WANG, Min LIU, Chunyan ZENG. Research on Road Extraction Algorithm Based on Residual Neural Networks[J]. Optoelectronic Technology, 2020, 40(1): 6.
PDF全文
