基于DeepLabV3+与超像素优化的语义分割

• 作者: 任凤雷 何昕 吕游 李沐雨 魏仲慧
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 深度学习 DeepLabV3+ 超像素 语义分割
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 信息科学
• 页码范围: 2722-2729
• 页数: 8页
• 分类号: TP394.1
• 字数: 3252字
• 语种: 中文
• DOI: 10.3788/OPE.20192712.2722

摘要

针对基于深度学习的DeepLabV3+语义分割算法在编码特征提取阶段大量细节信息被丢失,导致其在物体边缘部分分割效果不佳的问题,本文提出了基于DeepLabV3+与超像素优化的语义分割算法.首先,使用DeepLabV3+模型提取图像语义特征并得到粗糙的语义分割结果;然后,使用S L IC超像素分割算法将输入图像分割成超像素图像;最后,融合高层抽象的语义特征和超像素的细节信息,得到边缘优化的语义分割结果.在PASCAL VOC 2O12数据集上的实验表明,相比较DeepLabV3+语义分割算法,本文算法在物体边缘等细节部分有着更好的语义分割性能,其mIoU值达到83.8％,性能得到显著提高并达到了目前领先的水平.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	魏仲慧	中国科学院长春光学精密机械与物理研究所	101	997	18.0	24.0
2	何昕	中国科学院长春光学精密机械与物理研究所	128	1115	19.0	24.0
3	吕游	中国科学院长春光学精密机械与物理研究所	11	41	4.0	5.0
4	李沐雨	中国科学院长春光学精密机械与物理研究所	3	17	2.0	3.0
8	任凤雷	中国科学院长春光学精密机械与物理研究所	1	1	1.0	1.0