10.3969/j.issn.1000-386x.2020.08.037
基于全卷积网络的图像语义分割算法
基于卷积神经网络的语义分割模型易存在提取特征不充分、上采样恢复原图尺寸时丢失细节等问题,导致分割精度降低.对比提出一种基于全卷积网络DeepLab v3的改进算法.采用LeakyReLU激活函数,增强网络提取较弱特征的能力;输入图像在多孔空间金字塔池化(ASPP)后,使用密集上采样卷积(DUC)恢复与原图尺寸一致的预测图;在训练时使用Nadam优化器,提高网络的收敛速度和鲁棒性.在PASCAL VOC 2012数据集上进行了验证与评测,结果表明算法平均交并比(mIoU)相比于原算法提高0.6%.
语义分割、深度卷积网络、多孔空间金字塔池化、密集上采样卷积
37
TP3(计算技术、计算机技术)
2020-08-19(万方平台首次上网日期,不代表论文的发表时间)
共7页
213-218,273