典型文献
基于多尺度特征融合的道路场景语义分割
文献摘要：
针对传统的语义分割方法实时性较低,同时感受野也较少,计算量比较大并且需要很长的处理时间等问题,将基于快速卷积神经网络模型(Fast-SCNN)改进后的CFast-SCNN应用于道路场景语义分割,首先在原网络编码部分进行模型剪枝,压缩模型的体积,提高该网络的推理速度;然后在其主干网络部分进行多尺度特征融合操作,扩大感受野,提高大目标边界准确率,保证分割的精度.使用道路场景分割中常用的Cityscapes数据集进行试验,并且使用语义分割领域中常用的性能评价指标验证了方法的有效性,实验结果表明改进后的网络相较于原网络各性能都有一定提升.
文献关键词：
语义分割;实时性;模型压缩;多尺度
中图分类号：
作者姓名：
高建瓴;陈楠;喻明毫
作者机构：
贵州大学 大数据与信息工程学院,贵阳550025
文献出处：
引用格式：
[1]高建瓴;陈楠;喻明毫-.基于多尺度特征融合的道路场景语义分割)[J].智能计算机与应用,2022(10):79-85
A类：
CFast
B类：
多尺度特征融合,道路场景,场景语义,语义分割,分割方法,感受野,计算量,处理时间,卷积神经网络模型,SCNN,网络编码,模型剪枝,压缩模型,推理速度,主干网络,网络部,融合操,大目标,场景分割,Cityscapes,性能评价指标,指标验证,模型压缩
AB值：
0.374262
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。
