原文服务方: 微电子学与计算机       
摘要:
图像语义分割是图像理解的重要一环,已被广泛应用于自动驾驶等场景中.针对信息丢失和语义分割速度慢的问题,本文提出一种基于可分离空洞卷积和联合归一化的语义分割算法.首先结合可分离卷积和空洞卷积提取ResNet101的后三层输出,然后在语义分割中应用实例归一化方法,与应用批量归一化对比,验证了实例归一化的有效性,最后提出了两种联合归一化方法,验证了这两种归一化方法对语义分割效果的提升.本文方法在Pascal VOC 2012数据集进行了实验,结果表明,本文方法加速了网络的训练、验证和预测,交并集之比最高到达了80.62%.
推荐文章
基于最大类间可分离度的轮廓线分割
计算机视觉
轮廓线分割
优势点检测
直线拟合
最大类间可分离度
对数似然比
基于可分离性判据的自适应加权纹理图像分割
纹理特征
自适应加权
共生矩阵
可分离性
融合空洞卷积神经网络的语义SLAM研究
语义SLAM
空洞卷积神经网络
语义标签
动态点剔除
地图构建
结果分析
基于MT-BCS的可分离DOA估计算法
二维DOA估计
压缩感知
贝叶斯
多任务贝叶斯压缩感知
分辨率
算法复杂度
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于可分离空洞卷积与联合归一化的语义分割算法研究
来源期刊 微电子学与计算机 学科
关键词 图像语义分割 可分离空洞卷积 实例归一化 批量归一化
年,卷(期) 2020,(10) 所属期刊栏目
研究方向 页码范围 18-23
页数 6页 分类号 TP391.41
字数 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 熊炜 27 34 4.0 5.0
2 李利荣 13 48 3.0 6.0
3 李敏 34 109 6.0 9.0
4 童磊 6 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2020(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
图像语义分割
可分离空洞卷积
实例归一化
批量归一化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
微电子学与计算机
月刊
1000-7180
61-1123/TN
大16开
1972-01-01
chi
出版文献量(篇)
9826
总下载数(次)
0
论文1v1指导