华北电力大学学报(自然科学版)

2022, v.49;No.219(05) 84-92

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于多类别Focal Loss损失函数的变电站场景图像语义分割研究
Research on Semantic Segmentation of Transformer Substation Image Based on Multi-category Focal Loss Function

毛昊;李新利;王孝伟;杨国田;彭鹏;邵宇鹰;

摘要(Abstract):

图像语义分割技术在变电站智能机器人抢险作业以及日常巡检中起重要作用。针对变电站场景中的类别不平衡问题,提出了一种用于训练多类别图像语义分割模型的多类别Focal Loss损失函数。多类别Focal Loss损失函数可以动态调整各类别的权值,对出现频率小的类别更加友好。基于深度学习和变电站场景图像,分别使用多类别Focal Loss损失函数和交叉熵损失函数训练基于FCN、SegNet和DeepLabV3网络的图像语义分割模型进行对比实验,并通过平均交并比和像素准确率等评价指标进行模型评价。实验结果表明基于多类别Focal Loss损失函数的图像语义分割模型具有良好效果,有助于缓解类别不平衡现象。

关键词(KeyWords): 图像语义分割;深度学习;多类别损失函数;评价指标;类别平衡化

Abstract:

Keywords:

基金项目(Foundation): 国家电网有限公司总部科技项目(520970190009)

作者(Authors): 毛昊;李新利;王孝伟;杨国田;彭鹏;邵宇鹰;

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享