基于改进SEGNET模型的图像语义分割

• 作者: 罗嗣卿 张志超 岳琪
• 来源期刊: 计算机工程
• 关键词: SEGNET模型 生成对抗网络 多尺度语义信息 相邻像素类别关系 特征融合
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 图形图像处理|Graphics and Image Processing
• 页码范围: 256-261
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0058015

摘要

使用原始SEGNET模型对图像进行语义分割时,未对图像中相邻像素点间的关系进行考虑,导致同一目标中像素点类别预测结果不一致.通过在SEGNET结构中加入一条自上而下的通道,使得SEGNET包含的多尺度语义信息更加丰富,从而提升对每个像素点的类别预测精度,在模型中加入生成对抗网络以充分考虑空间中相邻像素点间关系.实验结果表明,该模型的语义分割效果相比原始SEGNET模型显著提升,且可有效解决SEGNET测试中出现的分类错误问题.