一种融合多级特征信息的图像语义分割方法

• 作者: 冯兴杰 孙少杰
• 来源期刊: 计算机应用研究
• 关键词: 图像语义分割 卷积神经网络 空洞卷积 空间金字塔池化 多尺度特征
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 图形图像技术
• 页码范围: 3512-3515
• 页数: 4页
• 分类号: TP391.41
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.07.0249

摘要

卷积神经网络因为其强大的学习能力,已经在语义分割任务中取得了显著的效果,但是如何有效地利用网络在浅层次的视觉特征和深层次的语义特征一直是研究的热点,以此为出发点,提出了一种融合多级特征信息的图像语义分割方法.通过空洞卷积提取各层级的特征,并不断迭代深层特征来丰富低级视觉信息,最后与高级语义特征合并融合,得到精细的语义分割结果.实验在PASCAL VOC 2012数据集上与主流的五种方法进行了比较,在GTX1080Ti的环境下该方法与其中性能第二的模型mIoU(mean intersection-over-union)值相比提高了2.1％,与其中性能第一的模型mIoU值仅相差0.4％,表明该方法能有效利用多层级的特征信息,实现了图像语义分割的目的.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冯兴杰		61	398	10.0	18.0
2	孙少杰		1	0	0.0	0.0