基于DeepLabv3+的图像语义分割优化方法

• 作者: 郑斌军 孔玲君
• 来源期刊: 包装工程
• 学科: 工学
• 关键词: 语义分割 注意力机制 深度可分离卷积 编码器-解码器
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 图文信息技术|Graphic Information Technology
• 页码范围: 187-194
• 页数: 8页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19554/j.cnki.1001-3563.2022.01.024

摘要

目的 为了实现良好的图像语义分割精度,同时尽可能降低网络的参数量,加快网络训练速度,提出基于DeepLabv3+的图像语义分割优化方法.方法 编码器主干网络增加注意力机制模块,并采用更密集的特征池化模块有效聚合多尺度特征,同时使用深度可分离卷积降低网络计算复杂度.结果 基于CamVid数据集的对比实验显示,优化后网络的MIoU分数达到了71.03％,在像素精度、平均像素精度等其他方面的评价指标上较原网络有小幅提升,并且网络参数量降低了12％.在Cityscapes的测试数据集上的MIoU分数为75.1％.结论 实验结果表明,优化后的网络能够有效提取图像特征信息,提高语义分割精度,同时降低模型复杂度.文中网络使用城市道路场景数据集进行测试,可以为今后的无人驾驶技术的应用提供参考,具有一定的实际意义.