改进DeepLabv2的实时图像语义分割算法

摘要：

图像语义分割是计算机视觉感知系统的重要组成之一,针对现有的语义分割算法存在分割速度慢的问题提出基于DeepLabv2改进的实时图像语义分割算法.与DeepLabv2相比,改进后的算法使用轻量卷积神经网络Xception作为编码器,增加特征金字塔网络(Feature Pyramid Net,FPN)解码特征的过程,减少空洞金字塔池化网络(Atrous convolution Spatial Pyramid Pooling,ASPP)参数的数量,进而大幅度压缩了算法模型,提升了算法分割速度.此外,还对Focal Loss损失函数在多分类任务中难以选择超参数的问题做出改进,并用于提升算法分割精度.在Cityscapes和Pascal VOC2012数据集上的实验结果表明改进后的算法可达到实时分割速度且具有分割精度高的优点,同时还表明提出的超参数选择方法可进一步提升算法分割精度.

关键词：语义分割、卷积神经网络、图像分割、无人驾驶

所属期刊栏目：56

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金No.61471079

在线出版日期：2020-09-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：157-164