结合跳跃连接的残差网络图像语义分割

• 作者: 刘卫铭 姜星宇 辛月兰
• 来源期刊: 信息技术
• 学科: 工学
• 关键词: 深度卷积神经网络 图像语义分割 深度残差网络 PASCAL VOC2012
• 年，卷（期）: 2020,（6）
• 所属期刊栏目: 基金项目
• 页码范围: 5-9
• 页数: 5页
• 分类号: TP391.41
• 字数: 2623字
• 语种: 中文
• DOI: 10.13274/j.cnki.hdzj.2020.06.002

摘要

为解决图像语义分割中感知细节部分的能力较弱、 分割结果粗糙的问题.首先利用深度残差网络-101取代完全卷积网络中的VGG-16;然后在conv3和conv4采用跳跃连接结构对上采样结果进行优化;最后以8倍上采样获得最终分割结果.实验使用PASCAL VOC2012数据集,从定性和定量两方面进行实验对比,实验表明所提出的方法平均IOU由67.3％提升至69.8％,并由测试结果显示改进的网络使得分割不同语义区域的边界明确且规整,提高了分割精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	辛月兰	青海师范大学物理与电子信息工程学院	25	98	5.0	9.0
2	刘卫铭	青海师范大学物理与电子信息工程学院	3	0	0.0	0.0
3	姜星宇	青海师范大学物理与电子信息工程学院	3	0	0.0	0.0