-
题名基于密集连接与特征增强的语义分割算法
被引量：5
- 1
-
-
作者
马素刚
陈期梅
侯志强
杨小宝
张子贤
-
机构
西安邮电大学计算机学院
西安邮电大学陕西省网络数据分析与智能处理重点实验室
西安邮电大学西安市大数据与智能计算重点实验室
-
出处
《计算机工程》
CAS
CSCD
北大核心
2023年第3期263-270,共8页
-
基金
国家自然科学基金(62072370)
陕西省重点研发计划(2018ZDCXL-GY-04-02)。
-
文摘
在语义分割算法DeepLabv3+中,由于对主干网络提取的特征信息利用不充分,导致了分割边缘不连续、目标丢失以及分割错误等问题。为此,提出一种基于密集连接和特征增强的语义分割算法。采用共享空洞空间金字塔池化(S-ASPP)模块建立多个空洞卷积之间的联系,增强局部信息之间的语义关联,捕获密集的采样点像素,同时提高对高层特征信息的利用。引入特征金字塔增强模块(FPEM)和特征融合模块(FFM),对主干网络输出的多层特征信息进行处理,增强特征的表达能力,并采用FFM对FPEM输出的不同尺度特征信息进行融合,提高各层特征之间的互补能力,以获得更全面的特征图信息。在此基础上,将S-ASPP和FFM的输出进行拼接和卷积操作,得到最终的分割结果。在PASCAL VOC 2012和Cityscapes数据集上的实验结果表明,该算法的平均交并比分别达到81.13%和73.39%,相较于基准算法DeepLabv3+分别提升了2.3和2.1个百分点,充分利用了骨干网络中的每层特征信息,提升了算法的分割精度,取得了较好的分割效果。
-
关键词
语义分割
DeepLabv3+算法
空洞空间金字塔池化
特征金字塔增强模块
特征融合
-
Keywords
semantic segmentation
DeepLabv3+algorithm
Atrous Spatial Pyramid Pooling(ASPP)
Feature Pyramid Enhancement Module(FPEM)
feature fusion
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
