一种基于深度学习的图像语义分割方法

作     者：张小俊 王志鹏 马秋实 张明路 ZHANG Xiao-jun;WANG Zhi-peng;MA Qiu-shi;ZHANG Ming-lu

作者机构：河北工业大学机械工程学院天津300401 

基　　金：河北省自然科学基金资助项目(E2018202338) 

出 版 物：《机械设计》 (Journal of Machine Design)

年 卷 期：2021年第38卷第3期

页      码：16-23页

摘      要：基于深度学习的语义分割网络在卷积、池化等操作过程中会出现空间位置信息丢失的问题,导致其分割效果下降。对此,文中以Seg Net语义分割网络模型为参考,设计了一种全新的语义分割网络模型Faster-SegNet。该网络模型通过融合多尺度特征图强化特征信息来提高网络分割准确率。使用非对称卷积等方式降低了网络参数量,提高网络分割效率,保证模型分割的实时性。将Faster-SegNet模型通过公开数据集Cam Vid和VOC2012进行试验,结果显示:相比于Seg Net,Faster-SegNet在两种数据集上的全局准确率分别提高了9.8%和6.6%,平均交并比分别提高了8.7%和5.1%;与Dens ASPP网络模型相比,在Cam Vid上的全局准确率和均交并比分别提高了0.5%和2%;Faster-SegNet试验下各类物体的分类准确率较Seg Net和Dens ASPP均有所提升;在VOC2012上的全局准确率和均交并比分别提高了3.9%和1.2%。整体上取得了不错的分割效果。

主 题 词：环境感知 语义分割 深度学习 特征融合 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.13841/j.cnki.jxsj.2021.03.003

馆 藏 号：203102685...