基于CBAM-U-Net的全二维气相色谱streak目标分割  

作　　者：李鑫 李波[1] 吴培德 姚为[1] LI Xin;LI Bo;WU Peide;YAO Wei

机构地区：[1]中南民族大学计算机科学学院,湖北武汉430074

出　　处：《信息技术与信息化》2023年第11期45-48,共4页Information Technology and Informatization

基　　金：国家自然科学基金资助项目(61976226);中南民族大学科研学术团队资助项目(KTZ20050)。

摘　　要：针对全二维气相色谱(GC×GC)图像中streak目标具有低对比度特点而难以分割的问题,提出了一种基于CBAM-U-Net的图像分割模型,所提出的模型在U-Net网络模型的基础上,通过在网络特征提取阶段嵌入CBAM注意力机制,来增强目标区域的特征信息,保留更多图像纹理。基于企业提供的全二维气相色谱数据集的实验结果表明,所提出方法的Acc、CPA、Dice系数等方面均有所提升,分别达到了98.80%、73.50%和71.73%,说明融合CBAM注意力机制的U-Net模型能够有效提升对streak目标区域的分割精度。

关 键 词：全二维气相色谱 STREAK 低对比度 U-Net CBAM 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术] TP183[自动化与计算机技术—计算机科学与技术]