文献类型：期刊文章

作　　者：冯兴杰[1,2] 孙少杰[1]

Feng Xingjie;Sun Shaojie(School of Computer Science&Technology,Civil Aviation University of China,Tianjin 300300,China;Information Network Center,Civil Aviation University of China,Tianjin 300300,China)

机构地区：[1]中国民航大学计算机科学与技术学院,天津300300 [2]中国民航大学信息网络中心,天津300300

出　　处：《计算机应用研究》

基　　金：国家自然科学青年基金资助项目(61301245,61201414)。

年　　份：2020

卷　　号：37

期　　号：11

起止页码：3512-3515

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSCD、CSCD_E2019_2020、IC、JST、RCCSE、UPD、ZGKJHX、ZMATH、核心刊

摘　　要：卷积神经网络因为其强大的学习能力,已经在语义分割任务中取得了显著的效果,但是如何有效地利用网络在浅层次的视觉特征和深层次的语义特征一直是研究的热点,以此为出发点,提出了一种融合多级特征信息的图像语义分割方法。通过空洞卷积提取各层级的特征,并不断迭代深层特征来丰富低级视觉信息,最后与高级语义特征合并融合,得到精细的语义分割结果。实验在PASCAL VOC 2012数据集上与主流的五种方法进行了比较,在GTX1080Ti的环境下该方法与其中性能第二的模型mIoU(mean intersection-over-union)值相比提高了2.1%,与其中性能第一的模型mIoU值仅相差0.4%,表明该方法能有效利用多层级的特征信息,实现了图像语义分割的目的。

关 键 词：图像语义分割  卷积神经网络 空洞卷积  空间金字塔池化  多尺度特征

分 类 号：TP391.41]