多战场环境军事人员图像分割技术应用研究

目的 :针对多战场环境中军事人员目标较小以及军事人员与环境背景难以区分导致分割效果较差的问题,提出一种分割神经网络。方法:以U-Net为主干神经网络,基于空洞空间金字塔池化模块和双特征交叉融合模块提出编码-解码神经网络ASPP-DFCF-U-Net(以下简称"AD-U-Net")。将多环境迷彩分割数据集(Multi Environment Camouflage Dataset,MECD)按比例分为训练集、验证集和测试集并进行数据增强,在MECD上对AD-U-Net进行训练并测试。为验证AD-U-Net的有效性,采用平均交并比、召回率、精确度、F1分数指标将AD-U-Net与U-Net、SegNet、FCN-8s 3种神经网络的分割结果进行对比分析。结果:AD-U-Net的平均交并比、召回率、精确度、F1分数分别为83.04%、89.58%、91.49%和90.52%,均高于U-Net、SegNet和FCN-8s,在目标较小、分割目标与背景高度相似的情况下具有更好的分割效果。结论:AD-U-Net在MECD上具有优良的分割效果,将其应用于... 下载全文