10.3969/j.issn.1674-2605.2020.02.005
基于RGB-D图像的室内场景语义分割网络优化
针对卷积神经网络在室内场景的图像语义分割中难以取得较高的分割精度,提出一种基于RGB-D图像的室内场景语义分割网络.该网络采用分别训练逐渐融合的方式对原始数据进行处理,并在解码阶段加入强化监督模块,有效提高语义分割的准确率;同时引入反残差的解码方法和跳跃结构降低信息损失.实验结果表明:REDNet的像素精度达80.9%,平均精度达58.4%,区域交集精度达46.9%,这些分割精度均高于FCN-32s,FCN-16s,SegNet,Context-CRF,FuseNet,RefineNet等常用语义分割网络.
RGB-D图像、语义分割、深度学习、卷积神经网络
41
TP391.7(计算技术、计算机技术)
广州市科技计划珠江科技新星专题项目201806010128;佛山广工大研究院创新创业人才团队计划项目
2020-05-22(万方平台首次上网日期,不代表论文的发表时间)
共12页
27-38