融合多尺度和边界优化的图像语义分割网络

摘要：

针对卷积神经网络在多卷积层叠加造成的图像内小尺度目标丢失和类别边界模糊问题,提出一种基于多尺度特征融合和边界优化的阶梯型图像语义分割网络结构.该网络以提升网络模型的准确率为目标,对Deeplab V3+网络中空间池化金字塔模块进行优化,使用针对视觉任务的新激活函数Funnel ReLU(FReLU)替换原有非线性激活函数获取精度补偿,增添优化分支构建阶梯型网络,通过对各类别边界的精确预测提升整体图像分割准确率,减少预测结果中类内误识别和小尺度目标丢失问题.在Cityscapes数据集上的实验结果表明,改进后的网络各类别平均交并比指标均取得明显提升.

关键词：语义分割、卷积神经网络、边界优化、Deeplab V3+、精度补偿

所属期刊栏目：58

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家部委科工局项目

在线出版日期：2022-11-14（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：250-257