典型文献
基于Deeplab v3+的图像语义分割算法优化研究
文献摘要：
针对目前Deeplab v3+模型进行图像语义分割时部分细节损失严重,存在漏分割、误分割现象,在其算法基础上构建了新的语义分割模型N-Deeplabv3+.新模型设计异感受野拼接的空洞空间金字塔池化结构,增强各层级信息间相关性;增设多次跨层特征融合,提升对图像细节的表征力;构建基于注意力机制的特征对齐模块,引导高低级特征对齐并有针对性地强化对重要通道特征的学习,提升模型学习能力.在Cityscapes数据集上的实验结果表明,所提改进方案能够有效提高小尺度目标关注度,缓解目标误分割问题,提升模型语义分割精度.在PASCAL VOC 2012数据集上进一步验证新模型的泛化能力.N-Deeplab v3+模型在Cityscapes数据集和PASCAL VOC 2012数据集上的平均交并比达76.31％和81.97％,较原模型分别提升了 1.69个百分点和2.14个百分点.
文献关键词：
深度学习;图像语义分割;Deeplab v3+;注意力机制
中图分类号：
作者姓名：
孟俊熙;张莉;曹洋;张乐天;宋倩
作者机构：
西安工程大学电子信息学院,陕西西安710600
文献出处：
引用格式：
[1]孟俊熙;张莉;曹洋;张乐天;宋倩-.基于Deeplab v3+的图像语义分割算法优化研究)[J].激光与光电子学进展,2022(16):151-160
A类：
B类：
图像语义分割,分割算法,算法优化,分割模型,Deeplabv3+,模型设计,感受野,拼接,空洞空间金字塔池化,跨层特征融合,注意力机制,特征对齐,导高,低级,重要通道,通道特征,模型学习,Cityscapes,改进方案,高小,小尺度目标,PASCAL,VOC,泛化能力,平均交并比,比达,百分点
AB值：
0.310904
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。
