典型文献
基于八度卷积设计的实时语义分割网络
文献摘要：
卷积神经网络进行实时图像语义分割时,处理大片色彩变化较小的像素区域时会存在计算的空间冗余,同时轻量级网络进行特征提取时的精度较低.针对上述两个问题,利用改进后MobileNetv3和轻型高频采样(OTCH-L)模块设计了一种实时语义分割网络.首先利用hard-swish激活函数对轻量级网络MobileNetv3进行精度补偿,提出改进后的MobileNet v3特征提取网络;其次基于八度卷积设计OTCH-L模块,解决空间冗余问题,在保证精度的同时,降低模型计算量.在PascalVOC2012数据集上进行训练实验,并在PascalVOC2007数据集上对模型进行验证.实验结果表明,所提模型分割速度达到25.94 frame/s,分割平均交并比(MIoU)达70.34％.相比主流语义分割模型SegNet、PSPNet、DeepLabv3 plus,所设计模型在维持分割精度的前提下,分割速度有显著提升.
文献关键词：
图像处理;实时语义分割;八度卷积;轻量级;MobileNet v3
中图分类号：
作者姓名：
王鑫;吴开军
作者机构：
上海海洋大学信息学院,上海201306
文献出处：
引用格式：
[1]王鑫;吴开军-.基于八度卷积设计的实时语义分割网络)[J].激光与光电子学进展,2022(08):179-187
A类：
OTCH,PascalVOC2012,PascalVOC2007,DeepLabv3
B类：
八度卷积,实时语义分割,语义分割网络,图像语义分割,大片,像素,轻量级网络,MobileNetv3,轻型,高频采样,模块设计,hard,swish,激活函数,精度补偿,特征提取网络,计算量,模型分割,frame,平均交并比,MIoU,分割模型,SegNet,PSPNet,plus,设计模型
AB值：
0.307758
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。
