现代计算机2022，Vol.28Issue(11) ：41-45.DOI:10.3969/j.issn.1007-1423.2022.11.007

融合上下文特征和空洞空间金字塔池化的语义分割

Semantic Segmentation Based on Context Feature and Atrous Spatial Pyramid Pooling

刘东东 马银平
现代计算机2022，Vol.28Issue(11) ：41-45.DOI:10.3969/j.issn.1007-1423.2022.11.007
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

融合上下文特征和空洞空间金字塔池化的语义分割

Semantic Segmentation Based on Context Feature and Atrous Spatial Pyramid Pooling

刘东东 1马银平1
扫码查看

作者信息

  • 1. 南昌航空大学信息工程学院,南昌 330063
  • 折叠

摘要

针对语义分割网络在进行语义分割的时候容易丢失边界和位置信息,造成图像分割的结果粗糙以及对像素类别的误判,提出融合上下文特征和空洞空间金字塔池化的语义分割方法.该方法首先采用空洞空间金字塔池化对特征图进行处理,然后在上采样的时候融合浅层特征的输出结果,最后将输出特征的通道数压缩为分类的个数,对图像进行像素级别的预测.使用语义分割常用的评估指标平均交并比和平均像素精度,与其它模型进行对比,结果显示该方法在分割效果上有一定的提升.

关键词

语义分割/金字塔池化/上下文特征/细化残差

引用本文复制引用

出版年

2022
现代计算机
中大控股

现代计算机

影响因子：0.292
ISSN：1007-1423
参考文献量8
段落导航相关论文