空洞卷积的多尺度语义分割网络

• 作者: 吴德阳 姜思瑶 曲长波
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 深度学习 语义分割 空洞卷积 多尺度
• 年，卷（期）: 2019,（24）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 91-95
• 页数: 5页
• 分类号: TP751.1
• 字数: 4250字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1904-0155

摘要

计算机硬件的发展极大程度地促进了计算机视觉的发展,卷积神经网络在语义分割中取得了令人瞩目的成就,但多卷积层叠加难免造成图像中目标边界信息的丢失.为了尽可能保留边界信息,提高图像分割精度,提出一种多尺度空洞卷积神经网络模型.该模型利用多尺度池化适应图像中不同尺度目标,并利用空洞卷积学习目标特征,在更加准确识别目标的同时,提高目标边界的识别精度,在ISPRS Vaihingen数据集上的实验结果表明,提出的多尺度空洞卷积神经网络对于目标边界的拟合结果较为理想.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲长波		17	97	7.0	9.0
2	吴德阳		2	1	1.0	1.0
3	姜思瑶		2	2	1.0	1.0