一种基于改进的MobileNetV2网络语义分割算法

• 作者: 孟琭 徐磊 郭嘉阳
• 来源期刊: 电子学报
• 学科: 工学
• 关键词: 语义分割 卷积神经网络 金字塔网络 快速语义分割 MobileNet 编码器-解码器
• 年，卷（期）: 2020,（9）
• 所属期刊栏目: 学术论文
• 页码范围: 1769-1776
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.3969/j.issn.0372-2112.2020.09.015

摘要

基于金字塔卷积神经网络的语义分割算法准确率很高,但是其计算资源消耗巨大、算法执行时间长、无法满足实时性要求.为了解决这个问题,本文做出了以下改进:(1)用MobileNet替换原网络的结构,减少了网络运算时间和内存开销;(2)引入编码器-解码器结构提高输出图像的分辨率,进一步细化分割结果;(3)针对高分辨率图像推断时间过长的问题,本文设计了多级图像输入方法,降低了网络推断高分辨率图像所消耗的时间.本文在VOC 2012数据集和Cityscapes数据集上进行了测试,并与FCN、SegNet、DeepLab、PSPNet以及DFN等语义分割模型对比.实验结果表明,本文设计的语义分割算法在VOC 2012数据集上达到了76.1％的mIoU,在Cityscapes数据集上达到了74.1％的mIoU,略低于传统语义分割算法;处理一张分辨率为1024×512的图片需要18ms,少于传统语义分割算法,满足了实时性要求,达到了准确率与计算资源消耗之间的平衡.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孟琭		22	171	8.0	13.0
2	徐磊		9	21	3.0	4.0
3	郭嘉阳		1	0	0.0	0.0