基于改进Deeplab V3+网络的语义分割

• 作者: 何立明 吕悦 孙乐乐 席一帆
• 来源期刊: 计算机系统应用
• 关键词: 语义分割 DeeplabV3+模型 骨干网(ResNet101) 1D非瓶颈单元 空洞空间金字塔池化(ASPP)
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 软件技术·算法
• 页码范围: 178-183
• 页数: 6页
• 字数: 2563字
• 语种: 中文
• DOI: 10.15888/j.cnki.csa.007541

摘要

深度学习的语义分割在计算机视觉领域中有非常广阔的发展前景,但许多分割效果较好网络模型占用内存大和处理单张图片耗时长.针对这个问题,把Deeplab V3+模型的骨干网(ResNet101)的瓶颈单元设计为1D非瓶颈单元,且对空洞空间金字塔池化模块(Atrous Spatial Pyramid Pooling,ASPP)的卷积层进行分解.该算法能大幅度降低Deeplab V3+网络的参数量,提高网络推理速度.基于PASCAL VOC 2012数据集进行对比实验,实验结果显示改进网络模型拥有更快的处理速度和更优的分割效果,且消耗更少的内存.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	何立明	长安大学信息工程学院	3	7	2.0	2.0
2	孙乐乐	长安大学信息工程学院	2	0	0.0	0.0
3	席一帆	长安大学信息工程学院	2	0	0.0	0.0
4	吕悦	长安大学信息工程学院	3	0	0.0	0.0