典型文献
融合多尺度和边界优化的图像语义分割网络
文献摘要：
针对卷积神经网络在多卷积层叠加造成的图像内小尺度目标丢失和类别边界模糊问题,提出一种基于多尺度特征融合和边界优化的阶梯型图像语义分割网络结构.该网络以提升网络模型的准确率为目标,对Deeplab V3+网络中空间池化金字塔模块进行优化,使用针对视觉任务的新激活函数Funnel ReLU(FReLU)替换原有非线性激活函数获取精度补偿,增添优化分支构建阶梯型网络,通过对各类别边界的精确预测提升整体图像分割准确率,减少预测结果中类内误识别和小尺度目标丢失问题.在Cityscapes数据集上的实验结果表明,改进后的网络各类别平均交并比指标均取得明显提升.
文献关键词：
语义分割;卷积神经网络;边界优化;Deeplab V3+;精度补偿
中图分类号：
作者姓名：
李鑫;张红英;刘汉玉
作者机构：
西南科技大学 信息工程学院,四川 绵阳 621010;西南科技大学 特殊环境机器人技术四川省重点实验室,四川 绵阳 621010
文献出处：
引用格式：
[1]李鑫;张红英;刘汉玉-.融合多尺度和边界优化的图像语义分割网络)[J].计算机工程与应用,2022(21):250-257
A类：
梯型网络
B类：
边界优化,图像语义分割,语义分割网络,多卷,卷积层,层叠,加造,小尺度目标,边界模糊,多尺度特征融合,阶梯型,Deeplab,V3+,中空,空间池,池化,金字塔,塔模,对视,视觉任务,激活函数,Funnel,FReLU,精度补偿,构建阶梯,精确预测,图像分割,误识,Cityscapes,平均交并比
AB值：
0.383706
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。
