低照度边缘增强的语义分割模型研究

• 作者: 罗晖 芦春雨
• 来源期刊: 华东交通大学学报
• 学科: 工学
• 关键词: 语义分割 候选区域网络 低照度 边缘检测 局部增强
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 交叉学科前沿
• 页码范围: 116-124
• 页数: 9页
• 分类号: TP391
• 语种: 中文

摘要

为提高对低照度图像的语义分割精度,提出了一种基于RPN的边缘增强语义分割模型(EESN).在该模型中,首先利用深度残差网络提取图像的高阶语义特征,并通过RPN快速生成待分割目标候选区域;然后,利用设计的融合算法对候选区域进行融合,并剔除重复的候选区域;最后,对融合的目标候选区域做低照度边缘搜索,并利用失真代价较小的局部增强算法对低照度边缘进行特征增强.将EESN用于Pascal VOC12和Cityscapes两个数据集的语义分割中,分别获得了81.2％和67.6％的mIoU,该结果证明了EESN对具有低照度边缘的图像具有较好的分割性能.