基于多尺度特征融合的图像语义分割

• 作者: 华静 李子印 陈亮
• 来源期刊: 中国计量大学学报
• 学科: 工学
• 关键词: 计量 图像语义分割 深度学习 卷积神经网络 多尺度特征 融合算法
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 信息科学
• 页码范围: 323-330
• 页数: 8页
• 分类号: TP391
• 字数: 3647字
• 语种: 中文
• DOI: 10.3969/j.issn.2096-2835.2019.03.010

摘要

目的:在基于深度学习的图像语义分割中,当前的关键问题是如何充分利用图像上下文信息来达到更好的分割结果,为解决这一问题,提出了一种基于多尺度特征融合的图像语义分割算法(MsffNet).方法:首先选取Aligned Xception分类识别网络,提取具有更多位置信息的低层特征,其次通过空间金字塔池化提取具有更大语义信息的高层特征,最后提出一种融合算法,使得高层特征通过语义信息指导有选择性的融合低层特征,实现最终的图像语义分割.结果:实验在2个数据集上进行了分割测试,在ADE20K数据集中,分割准确率达到44.47％,相比于最新的DeepLab v3+模型,准确率提高了0.82％;在PASCAL VOC2012数据集中,分割准确率达到82.58％,相比于DeepLab v3+模型,准确率提高了1.55％.结论:本文提出的语义分割模型,充分利用多尺度特征,提高了语义分割精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李子印	中国计量大学光学与电子科技学院	15	126	7.0	11.0
2	陈亮	中国计量大学光学与电子科技学院	29	148	5.0	11.0
3	华静	中国计量大学光学与电子科技学院	3	8	2.0	2.0