首页> 中文期刊> 《中国计量大学学报》 >基于多尺度特征融合的图像语义分割

基于多尺度特征融合的图像语义分割

         

摘要

cqvip:目的:在基于深度学习的图像语义分割中,当前的关键问题是如何充分利用图像上下文信息来达到更好的分割结果,为解决这一问题,提出了一种基于多尺度特征融合的图像语义分割算法(MsffNet)。方法:首先选取Aligned Xception分类识别网络,提取具有更多位置信息的低层特征,其次通过空间金字塔池化提取具有更大语义信息的高层特征,最后提出一种融合算法,使得高层特征通过语义信息指导有选择性的融合低层特征,实现最终的图像语义分割。结果:实验在2个数据集上进行了分割测试,在ADE20K数据集中,分割准确率达到44.47%,相比于最新的DeepLab v3+模型,准确率提高了0.82%;在PASCAL VOC2012数据集中,分割准确率达到82.58%,相比于DeepLab v3+模型,准确率提高了1.55%。结论:本文提出的语义分割模型,充分利用多尺度特征,提高了语义分割精度。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号