典型文献
基于稠密扩张卷积的图像语义分割模型
文献摘要：
为解决图像语义分割任务中面对的分割场景的复杂性、分割对象的多样性及分割对象空间位置的差异性问题, 提高语义分割模型的精度, 提出基于稠密扩张卷积的双分支多层级语义分割网络(double branch and multi-stage network, DBMSNet). 首先采用主干网络提取输入图像的4个不同分辨率的特征图(De1、De2、De3、De4),其次采用特征精炼(feature refine, FR)模块对De1和De3这两个特征图进行特征精炼处理, 特征精炼处理之后的输出分支经过混合扩张卷积模块(mixed dilation module, MDM)编码空间位置特征, De4分支采用金字塔池化模块(pyramid pooling module, PPM)编码高级语义特征, 最后将两个分支进行融合, 输出分割结果. 在数据集CelebAMask-HQ和Cityscapes中进行实验, 分别得到mIoU精度为74.64％、78.29％. 结果表明, 本文方法的分割精度高于对比方法, 且具有更少的参数量.
文献关键词：
深度学习;图像语义分割;扩张卷积;稠密连接;多层级特征
中图分类号：
作者姓名：
张富财;许建龙;包晓安
作者机构：
浙江理工大学 信息学院, 杭州 310018
文献出处：
引用格式：
[1]张富财;许建龙;包晓安-.基于稠密扩张卷积的图像语义分割模型)[J].计算机系统应用,2022(03):19-29
A类：
DBMSNet,De1,De2,De3,De4
B类：
图像语义分割,分割模型,对象空间,空间位置,双分支,语义分割网络,double,branch,multi,stage,network,主干网络,特征图,精炼,feature,refine,FR,混合扩张卷积,卷积模块,mixed,dilation,module,MDM,位置特征,金字塔池化模块,pyramid,pooling,PPM,高级语义特征,CelebAMask,HQ,Cityscapes,mIoU,比方,参数量,稠密连接,多层级特征
AB值：
0.382345
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。
