典型文献
基于改进DeepLabv3+网络的轻量级语义分割算法
文献摘要：
由于深度学习中语义分割模型参数量较大且算法耗时较长,不适合部署到移动端,针对此问题,提出了一种基于改进DeepLabv3+网络的轻量级语义分割算法.首先,采用MobileNetv3代替原DeepLabv3+语义分割模型特征提取骨干网络以降低模型复杂度,加快模型运行速度;其次,将空洞空间金字塔池化模块中的标准卷积替换为深度可分离卷积,提高模型训练效率;最后,引入注意力机制模块和组归一化方法,提升分割精度.所提分割算法在语义分割数据集Cityscapes验证集上的平均交并比(mIoU)达到72.94％.实验结果表明,与常见分割算法SegNet、Fast-SCNN、ENet等相比,所提算法在减少模型参数量的同时提高了分割效果.
文献关键词：
图像处理;DeepLabv3+模型;MobileNetv3;轻量级;空洞空间金字塔池化
中图分类号：
作者姓名：
姚燕;胡立坤;郭军
作者机构：
广西大学电气工程学院,广西南宁530004
文献出处：
引用格式：
[1]姚燕;胡立坤;郭军-.基于改进DeepLabv3+网络的轻量级语义分割算法)[J].激光与光电子学进展,2022(04):192-199
A类：
B类：
DeepLabv3+,轻量级语义分割,分割算法,分割模型,模型参数量,移动端,MobileNetv3,模型特征,取骨,骨干网络,模型复杂度,运行速度,空洞空间金字塔池化模块,标准卷积,深度可分离卷积,模型训练,训练效率,注意力机制模块,归一化方法,提分,Cityscapes,验证集,平均交并比,mIoU,SegNet,Fast,SCNN,ENet,分割效果
AB值：
0.340981
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。
