融合深度神经网络和空洞卷积的语义图像分割研究
作者：陈洪云; 孙作雷; 孔薇
摘要：语义分割是计算机视觉中的基本任务,是对图像中的不同目标进行像素级的分割与分类.针对多尺度的目标分割难题,本文提出了一种基于Res Net网络的方法,通过定义并联支路,将浅层特征图像信息融合到深层特征图像中,提出新的空洞空间金字塔模块,该模块采用并行的不同采样率的空洞卷积进行特征提取与融合,从而更有效的提取不同层的特征以及上下文信息,并且在新模块中加入批规范化计算,增强参数调优的稳定性.本文还采用了Adam自适应优化函数,在训练的过程中,使得每个参数的更新都具有独立性,提升了模型训练的稳定性.本文结果在PASCAL VOC 2012语义分割测试集中取得了77.31%mIOU的成果,优于Deeplab V3的效果.
分类：
- 期刊
- >
- 自然科学与工程技术
- >
- 信息科技
- >
- 电子信息科学综合
收录：
- 剑桥科学文摘
- 北大期刊(中国人文社会科学期刊)
- 国家图书馆馆藏
- 万方收录(中)
- 上海图书馆馆藏
- 哥白尼索引(波兰)
- 维普收录(中)
- CSCD 中国科学引文数据库来源期刊(含扩展版)
- 文摘与引文数据库
- JST 日本科学技术振兴机构数据库(日)
- SA 科学文摘(英)
- 知网收录(中)
- Pж(AJ) 文摘杂志(俄)
- 统计源期刊(中国科技论文优秀期刊)
关键词：
- 语义分割
- 神经网络
- 空洞卷积
- 空洞空间金字塔模块
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
