典型文献
基于语义分割的高分辨率场景解析网络
文献摘要：
为了高效地对城市景观等复杂场景进行分割解析,本文结合高分辨率网络(HRNet),通过金字塔池化模块(Pyra?mid pooling module,PPM)补充全局上下文信息,提出了一个高分辨率场景解析网络.首先,以HRNet为基干特征提取网络,并利用空洞可分离卷积改进其大量使用的残差模块,在减少参数量的同时提高了对于多尺度目标的分割能力;其次,利用混合空洞卷积框架设计了多级空洞率,在稠密感受野的同时减小了网格问题的影响;然后,设计了多阶段的连续上采样结构以改进HRNetV2简单的后融合机制;最后,使用改进的可适应不同图像分辨率的金字塔池化模块聚合不同区域的上下文信息获得高质量的分割图.在城市景观数据集(CityScapes)上仅以16.4 Mbit的参数数量实现了83.3％MIOU的精度,在Camvid数据集也取得了良好的效果,实现了更加可靠、准确、低计算量的基于语义分割的场景解析方法.
文献关键词：
深度学习;神经网络;语义分割;高分辨率网络;空洞卷积
中图分类号：
作者姓名：
史健锋;相宁;王阿川
作者机构：
东北林业大学信息与计算机工程学院,黑龙江哈尔滨150040
文献出处：
引用格式：
[1]史健锋;相宁;王阿川-.基于语义分割的高分辨率场景解析网络)[J].液晶与显示,2022(12):1598-1606
A类：
Pyra,HRNetV2
B类：
语义分割,解析网络,城市景观,复杂场景,高分辨率网络,金字塔池化模块,mid,pooling,module,PPM,全局上下文信息,基干,特征提取网络,空洞可分离卷积,残差模块,参数量,多尺度目标,混合空洞卷积,框架设计,空洞率,稠密,感受野,网格问题,多阶段,上采样,融合机制,图像分辨率,CityScapes,Mbit,数数,MIOU,Camvid,计算量,解析方法
AB值：
0.391134
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。
