融合多尺度信息的弱监督语义分割及优化

• 作者: 智慧 熊昌镇
• 来源期刊: 通信学报
• 学科: 工学
• 关键词: 深度学习 弱监督学习 模型融合 多尺度特征 模型优化
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 学术通信
• 页码范围: 163-171
• 页数: 9页
• 分类号: TP18|TP391.4
• 字数: 8134字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2019004

摘要

为提高弱监督语义分割算法精度,提出一种融合多尺度特征的分割及优化算法.首先,基于迁移学习算法构建多尺度特征模型,类别预测时引入新分类器,减少因预测目标类信息错误导致分割失败的情况;其次,将多尺度模型与原迁移学习模型进行加权集成,增强模型泛化性能;最后,结合预测类可信度调整分割图中相应类像素的可信度,规避假正例分割区域.在VOC 2012 验证集上的平均交并比为58.8％,测试集上的平均交并比为 57.5％,同比原迁移学习模型分别提升12.9％和12.3％,也优于其他以类标作为监督信息的语义分割算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	熊昌镇	北方工业大学城市道路交通智能控制技术北京市重点实验室	14	28	3.0	5.0
2	智慧	北方工业大学城市道路交通智能控制技术北京市重点实验室	2	5	2.0	2.0