基于RGB-D图像的室内场景语义分割网络优化

• 作者: 张颖敏 王子羽 王桂棠 陈永彬
• 来源期刊: 自动化与信息工程
• 学科: 工学
• 关键词: RGB-D图像 语义分割 深度学习 卷积神经网络
• 年，卷（期）: 2020,（2）
• 所属期刊栏目: 学术研究
• 页码范围: 27-38
• 页数: 12页
• 分类号: TP391.7
• 字数: 2584字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-2605.2020.02.005

摘要

针对卷积神经网络在室内场景的图像语义分割中难以取得较高的分割精度,提出一种基于RGB-D图像的室内场景语义分割网络.该网络采用分别训练逐渐融合的方式对原始数据进行处理,并在解码阶段加入强化监督模块,有效提高语义分割的准确率;同时引入反残差的解码方法和跳跃结构降低信息损失.实验结果表明:REDNet的像素精度达80.9％,平均精度达58.4％,区域交集精度达46.9％,这些分割精度均高于FCN-32s,FCN-16s,SegNet,Context-CRF,FuseNet,RefineNet等常用语义分割网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王桂棠	广东工业大学机电工程学院	62	389	10.0	17.0
2	王子羽	广东工业大学机电工程学院	1	0	0.0	0.0
3	张颖敏		1	0	0.0	0.0
4	陈永彬		1	0	0.0	0.0