特征融合型卷积神经网络的语义分割

• 作者: 严春满 杨彩锋 贺三三 马冬梅
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 语义分割 卷积神经网络 机器视觉 密集预测 全连接条件随机场
• 年，卷（期）: 2020,（10）
• 所属期刊栏目: 图形图像处理
• 页码范围: 193-198
• 页数: 6页
• 分类号: TP391
• 字数: 4505字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0080

摘要

语义分割是对图像中的不同目标进行像素级的分割和分类,是图像处理领域中的一项重要研究,应用十分广泛.深度卷积神经网络在近几年的机器视觉研究中取得了显著成效.针对密集预测的语义分割任务,提出了一种基于VGGNet网络的方法.该方法在深层特征图像中融合了浅层信息,且采用并行的不同采样率的空洞卷积进行特征提取与融合,更有效地提取不同层的特征和上下文信息,从而提高语义分割精度.采用全连接条件随机场优化图像边界,进一步提高语义分割的精度.该方法在PASCAL VOC 2012语义分割任务测试集中取得了71.3% mIOU的结果,优于之前基于VGGNet的主要经典方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	严春满	西北师范大学物理与电子工程学院	16	23	2.0	4.0
2	马冬梅	西北师范大学物理与电子工程学院	13	53	4.0	7.0
3	贺三三	西北师范大学物理与电子工程学院	1	0	0.0	0.0
4	杨彩锋	西北师范大学物理与电子工程学院	2	0	0.0	0.0