典型文献
双层残差语义分割网络及交通场景应用
文献摘要：
针对图像语义分割过程中特征提取网络的深度问题以及下采样池化层降低特征图分辨率等问题,提出了一种基于双层残差网络特征提取的图像语义分割网络,称为DResnet.首先提出一种双层残差网络,对训练集各目标的细节进行特征提取,提高网络对部分细节目标的感知能力;其次在Layer1层开始跳跃特征融合,并持续以2倍反卷积方法进行上采样操作,融合底层特征与高层特征,降低部分细节信息丢失对分割精度的影响;最后使用网络分支训练法,先训练图像上各目标的大致轮廓特征,在此基础上再训练各目标的细节特征.结果表明:该网络的平均交并比较全卷积网络相比,在CamVid上由49.72％提升至59.44％,在Cityscapes上由44.35％提高到47.77％,该网络得到准确率更高、分割物体边缘更加完整的图像分割结果.
文献关键词：
双层残差网络;细节特征提取;跳跃特征融合;上采样;网络分支训练法;图像语义分割;CamVid数据集;Cityscapes数据集
中图分类号：
作者姓名：
谭睿俊;赵志诚;谢新林
作者机构：
太原科技大学电子信息工程学院,山西太原030024
文献出处：
引用格式：
[1]谭睿俊;赵志诚;谢新林-.双层残差语义分割网络及交通场景应用)[J].智能系统学报,2022(04):780-787
A类：
双层残差网络,DResnet,Layer1,跳跃特征融合,网络分支训练法
B类：
语义分割网络,交通场景,场景应用,图像语义分割,割过,特征提取网络,深度问题,下采样,采样池,池化,特征图,网络特征,训练集,节目,感知能力,反卷积,上采样,底层特征,细节信息,信息丢失,训练图像,轮廓特征,平均交并比,全卷积网络,CamVid,Cityscapes,加完,图像分割,细节特征提取
AB值：
0.296864
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
