典型文献
基于改进ExfuseNet模型的街景语义分割
文献摘要：
使用ExfuseNet模型进行街景语义分割时,由于街景图像背景复杂度较高,造成感兴趣类之间的面积占比与分布不均衡,特别是图像中面积占比低且密度低的感兴趣目标,越到网络深层越容易被错误分类,最终导致模型分割性能下降.为解决该问题,文中对ExfuseNet模型进行了改进.为了获取不同尺度的语义信息,在不增加模型参数量的条件下,多监督模块采用不同空洞率的带孔卷积.在下采样特征融合后,立刻采用随机丢弃层来减少模型参数量,提高泛化力.在主输出前采用CBAM注意力机制模块以便更高效地对感兴趣目标类的深度语义信息进行采样,并在多监督模块之后采用类平衡函数来改善数据集Camvid的类不平衡问题.实验结果表明,改进的ExfuseNet模型语义分割效果有明显提升,其均交并比提升到了68.32％,Pole类分类准确率提升到38.14％.
文献关键词：
街景图像;多监督;空洞率;带孔卷积;随机丢弃层;泛化力;注意力机制;类平衡;均交并比
中图分类号：
作者姓名：
陈劲宏;陈玮;尹钟
作者机构：
上海理工大学 光电信息与计算机工程学院,上海200093
文献出处：
引用格式：
[1]陈劲宏;陈玮;尹钟-.基于改进ExfuseNet模型的街景语义分割)[J].电子科技,2022(06):28-34
A类：
ExfuseNet,带孔卷积,随机丢弃层,泛化力
B类：
语义分割,街景图像,感兴趣,误分类,模型分割,性能下降,不同尺度,语义信息,模型参数量,多监督,空洞率,下采样,特征融合,立刻,CBAM,注意力机制模块,类平衡,Camvid,类不平衡,不平衡问题,分割效果,均交并比,Pole,分类准确率,准确率提升
AB值：
0.27807
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。
