山东大学学报(理学版)

作者：仲诚诚,周恒,张梓童,张春雷

单位：1. 中国地质大学(北京)数理学院, 北京 100083；2. 中国农业大学信息与电气工程学院, 北京 100083；3. 中国地质大学(北京)地球科学与资源学院, 北京 100083；4. 北京中地润德石油科技有限公司, 北京 100083

关键词：图像语义分割,胶囊网络,U-Net,路由算法,深度学习,

针对原生U-Net对空间结构特征表达能力不足的问题, 将胶囊结构引入到U-Net语义分割模型中, 提出了LAC-UNet模型, 即通过胶囊向量获得更加精细的空间结构。LAC-UNet模型将局部的像素级信息编码为胶囊, 并以胶囊作为U-Net的基本特征单元, 具有更精细的空间结构特征表达能力。首先使用卷积操作将局部的像素级信息输入初级胶囊; 其次, 使用局部动态路由算法将初级胶囊在数字胶囊层整合为高级胶囊, 其中, 局部路由算法引入了空间与通道权重, 使胶囊在编码和整合局部信息时, 具有更强的局部上下文线索捕捉能力; 最后, 使用不同的评价指标(精度、Dice等)进行模型性能评价。试验结果表明, LAC-UNet在DRIVE、CHASEDB1、CrackForest和MSRC 4种数据集中均达到最佳的分割效果。

来源：2023年第11期

《山东大学学报(理学版)》期刊编辑部

查看山东大学学报(理学版)杂志2023年第11期