基于全卷积网络的图像语义分割算法

• 作者: 张惊雷 李英杰
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: 语义分割 深度卷积网络 多孔空间金字塔池化 密集上采样卷积
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 图像处理与应用
• 页码范围: 213-218,273
• 页数: 7页
• 分类号: TP3
• 字数: 4285字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.037

摘要

基于卷积神经网络的语义分割模型易存在提取特征不充分、上采样恢复原图尺寸时丢失细节等问题,导致分割精度降低.对比提出一种基于全卷积网络DeepLab v3的改进算法.采用LeakyReLU激活函数,增强网络提取较弱特征的能力;输入图像在多孔空间金字塔池化(ASPP)后,使用密集上采样卷积(DUC)恢复与原图尺寸一致的预测图;在训练时使用Nadam优化器,提高网络的收敛速度和鲁棒性.在PASCAL VOC 2012数据集上进行了验证与评测,结果表明算法平均交并比(mIoU)相比于原算法提高0.6％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张惊雷	天津理工大学电气电子工程学院	21	128	6.0	11.0
2	李英杰		1	0	0.0	0.0