基于双输入与图像可分离卷积的U-Net网络构建方法

基于双输入与图像可分离卷积的U‑Net网络构建方法，基于图像可分离卷积改进的双输入Unet （DIWSUnet）来实现用探地雷达（Ground‑penetating radar,GPR）数据成像，反演得到地下实物物体。首先基于探地雷达得到的GPR数据生成B‑Scan扫描图像，再用GPR数据进行频率波数偏移（Frequency‑Wavenumber Shift,FK）处理，实现B‑Scan扫描图像加FK偏移图像双输入反演得到最后的实物图像；采用双彩色输入（6通道）和彩色输出（3通道）以区分不同实物，反演实物物体地下位置的同时判断物体的类别；基于深度可分离卷积模型得到启发，改进原有输入模块为图像可分离卷积模块IWS (Image Wise Seperable Convolution)模块，仅用少量参数增加使得性能得到大幅度提升。