文献类型：期刊文章

作　　者：司海飞[1,2] 史震[2] 胡兴柳[1] 杨春萍[2]

SI Haifei;SHI Zhen;HU Xingliu;YANG Chunping(College of Intelligent Science and Control Engineering,Jinling Institute of Technology,Nanjing 211169,China;College of Intelligent Science Systems and Engineering,Harbin Engineering University,Harbin 150001,China)

机构地区：[1]金陵科技学院智能科学与控制工程学院,南京211169 [2]哈尔滨工程大学智能科学与工程学院,哈尔滨150001

出　　处：《计算机工程与应用》

基　　金：江苏省自然科学基金面上项目(No.BK20171114);国家自然科学基金(No.61873002);江苏高校“青蓝工程”中青年学术带头人;金陵科技学院人才引进项目(No.Jit-rcyj-201604)。

年　　份：2020

卷　　号：56

期　　号：24

起止页码：137-143

语　　种：中文

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

摘　　要：为了解决移动端视觉感知模块的内存资源和硬件条件不适应卷积神经网络的快速应用等问题。以经典的DeepLab V3模型为基础,在保证分割精度的前提下,以优化卷积神经网络模型的运行速度为目标,提出一种新的轻量化网络结构。所设计的网络结构将原有非线性激活函数替换成新的Swish激活函数进行精度补偿,采用改进后的轻量化MobileNet V2结构替代DeepLab V3原有的特征提取器。实验结果表明,改进的DeepLab V3网络模型和目前精度最高的DeepLab V3+算法相比,其在维持一定精度的前提下,参数量和计算复杂度大大减小,运行速度明显提升,模型内存占用率下降了近96%,综合性能更强,更适合对分割性能要求较高的快速分割网络。

关 键 词：图像语义分割  移动端  DeepLab V3模型  轻量化 卷积神经网络

分 类 号：TP391.4]