典型文献
融合多尺度特征的改进Deeplab v3+图像语义分割算法
文献摘要：
针对当前Deeplab v3+模型没有充分采用高分辨率的浅层特征出现的错误分割、遗漏分割等现象,提出一种融合多尺度特征的改进Deeplab v3+特征图像语义分割算法.在主干网络中,引入多尺度金字塔卷积;将空洞空间卷积池化金字塔中的标准卷积替换为深度可分离卷积,减少整体模型的参数量;最后,在解码层采用多尺度方法来捕捉获取全局背景,将背景特征通过注意力机制,再与浅层特征和空洞空间金字塔池化层结合,丰富融合后的浅层特征语义信息.实验表明,在CityScapes验证集中,所提算法具有更好的边缘分割效果,平均交并比达到了74.76％,较原有算法提升了2.20％.通过与先进算法比较,也证明所提算法应对改善错误分割、遗漏分割的有效性.
文献关键词：
深度学习;语义分割;多尺度;注意力机制;迁移学习
中图分类号：
作者姓名：
张文博;瞿珏;王崴;胡俊;王庆力
作者机构：
空军工程大学,西安 710000
文献出处：
引用格式：
[1]张文博;瞿珏;王崴;胡俊;王庆力-.融合多尺度特征的改进Deeplab v3+图像语义分割算法)[J].电光与控制,2022(11):12-16,30
A类：
B类：
多尺度特征,Deeplab,v3+,图像语义分割,分割算法,遗漏,特征图像,主干网络,多尺度金字塔,金字塔卷积,空洞空间卷积池化金字塔,塔中,标准卷积,深度可分离卷积,整体模型,参数量,解码,多尺度方法,背景特征,注意力机制,空洞空间金字塔池化,语义信息,CityScapes,验证集,边缘分割,分割效果,平均交并比,比达,算法比较,迁移学习
AB值：
0.367149
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。
