高效率图片语义分割网络的研究与设计

• 作者: 张为公 敖焕轩 李煊鹏
• 来源期刊: 测控技术
• 学科: 工学
• 关键词: 卷积神经网络 语义分割 效率 深度可分离卷积 金字塔池化
• 年，卷（期）: 2018,（11）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 40-44
• 页数: 5页
• 分类号: TP183
• 字数: 3160字
• 语种: 中文
• DOI: 10.19708/j.ckjs.2018.11.009

摘要

针对目前卷积神经网络在图像语义分割上存在运算效率的不足,考虑实际嵌入式移动设备应用中对网络模型大小、运算速度和能耗的需求,研究和讨论了语义分割网络参数的压缩方法和网络结构的优化方式,并利用深度可分离卷积、多尺寸卷积核融合和金字塔池化的方法,提出快速、准确的小尺寸语义分割网络模型.该网络模型在Cityscapes数据集上进行训练和测试,在模型尺寸、运算时间和分割精度等方面都有良好的表现,能够同时兼顾语义分割任务中对效率和精度的要求,提高了语义分割技术在嵌入式移动设备上的实用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张为公	东南大学仪器科学与工程学院	227	2706	26.0	38.0
2	李煊鹏	东南大学仪器科学与工程学院	7	23	2.0	4.0
3	敖焕轩	东南大学仪器科学与工程学院	1	0	0.0	0.0