特征融合型卷积神经网络的语义分割

摘要：

语义分割是对图像中的不同目标进行像素级的分割和分类,是图像处理领域中的一项重要研究,应用十分广泛.深度卷积神经网络在近几年的机器视觉研究中取得了显著成效.针对密集预测的语义分割任务,提出了一种基于VGGNet网络的方法.该方法在深层特征图像中融合了浅层信息,且采用并行的不同采样率的空洞卷积进行特征提取与融合,更有效地提取不同层的特征和上下文信息,从而提高语义分割精度.采用全连接条件随机场优化图像边界,进一步提高语义分割的精度.该方法在PASCAL VOC 2012语义分割任务测试集中取得了71.3% mIOU的结果,优于之前基于VGGNet的主要经典方法.

关键词：语义分割、卷积神经网络、机器视觉、密集预测、全连接条件随机场

所属期刊栏目：56

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金61741119

在线出版日期：2020-05-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：193-198