基于DeepLab V3模型的图像语义分割速度优化研究

• 作者: 史震 司海飞 杨春萍 胡兴柳
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 图像语义分割 移动端 DeepLab V3模型 轻量化 卷积神经网络
• 年，卷（期）: 2020,（24）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 137-143
• 页数: 7页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2006-0437

摘要

为了解决移动端视觉感知模块的内存资源和硬件条件不适应卷积神经网络的快速应用等问题.以经典的DeepLab V3模型为基础,在保证分割精度的前提下,以优化卷积神经网络模型的运行速度为目标,提出一种新的轻量化网络结构.所设计的网络结构将原有非线性激活函数替换成新的Swish激活函数进行精度补偿,采用改进后的轻量化MobileNet V2结构替代DeepLab V3原有的特征提取器.实验结果表明,改进的DeepLab V3网络模型和目前精度最高的DeepLab V3+算法相比,其在维持一定精度的前提下,参数量和计算复杂度大大减小,运行速度明显提升,模型内存占用率下降了近96％,综合性能更强,更适合对分割性能要求较高的快速分割网络.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	司海飞		24	455	5.0	21.0
2	胡兴柳		9	3	1.0	1.0
3	史震		1	0	0.0	0.0
4	杨春萍		1	0	0.0	0.0