基于深度学习的图像分割方法  

作　　者：张俊威 

机构地区：[1]中石化胜利油田物探研究院

出　　处：《数字技术与应用》2023年第3期120-122,154,共4页Digital Technology & Application

摘　　要：图像分割是计算机图像处理领域的重点攻关课题。本文针对当前图像分割技术的精度不足的问题,提出了一种基于改进Mask-RCNN的图像分割方法,在经过对图像进行插值、去噪和增强的预处理后,通过设计改进的非极大值抑制(INMS)算法,改良了Mask-RCNN在进行图像分割中产生的错漏检情况。将本文提出的方法应用于实际的开源数据集中并与改进前的算法进行对比,同时设定准确度、召回率以及F1值作为方法性能评估指标。实验结果表明改进的Mask-RCNN方法具有较好的图像分割效果,适用于实际中的图像分割问题,可以为后续的图像识别与目标检测打下良好的基础。

关 键 词：计算机图像处理 图像分割 非极大值抑制 图像识别 深度学习 MASK F1值 目标检测 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]