面向刻蚀图像分割的轻量可变形编解码网络

TP391; 通过分割刻蚀图像计算驱油率是目前衡量油藏驱替技术的重要手段.由于刻蚀图像边缘模糊、噪声大且水油像素分散,目前主流的图像分割网络分割精度低、分割速度慢,难以获得较好的分割结果.提出一种用于刻蚀图像分割的轻量可变形编解码网络(LDNet).在特征编码阶段利用偏移量学习水油目标形状和边缘特征,改善网络的特征表达能力,并通过深度卷积和逐点卷积有效降低网络参数量.在特征融合阶段设计协同耦合注意力模块,将通道注意力进行分解,并分别沿2个空间方向聚合特征,将特征图编码为方向和位置感知的特征图,从而将位置信息嵌入到通道注意力中,提升模型的鲁棒性.实验结果表明,LDNet网络的分割精度为89.94...

Full description

Saved in:
Bibliographic Details
Published in计算机工程 Vol. 48; no. 12; pp. 203 - 217
Main Authors 尚佳童, 雷涛, 张栋, 杜晓刚, 翟钰杰
Format Journal Article
LanguageChinese
Published 陕西科技大学 电子信息与人工智能学院 西安 710021 2022
陕西科技大学 陕西省人工智能联合实验室,西安 710021
Subjects
油藏驱替
注意力机制
深度卷积神经网络
可变形卷积
图像分割
Online AccessGet full text
ISSN1000-3428
DOI10.19678/j.issn.1000-3428.0065091

Cover

More Information
Summary:TP391; 通过分割刻蚀图像计算驱油率是目前衡量油藏驱替技术的重要手段.由于刻蚀图像边缘模糊、噪声大且水油像素分散,目前主流的图像分割网络分割精度低、分割速度慢,难以获得较好的分割结果.提出一种用于刻蚀图像分割的轻量可变形编解码网络(LDNet).在特征编码阶段利用偏移量学习水油目标形状和边缘特征,改善网络的特征表达能力,并通过深度卷积和逐点卷积有效降低网络参数量.在特征融合阶段设计协同耦合注意力模块,将通道注意力进行分解,并分别沿2个空间方向聚合特征,将特征图编码为方向和位置感知的特征图,从而将位置信息嵌入到通道注意力中,提升模型的鲁棒性.实验结果表明,LDNet网络的分割精度为89.94％,模型大小仅为16.63×106,在资源受限的设备中有效提高刻蚀图像的分割精度,降低驱油率误差,加快模型的推理速度.
ISSN:1000-3428
DOI:10.19678/j.issn.1000-3428.0065091