融合上下文特征和空洞空间金字塔池化的语义分割

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：Semantic Segmentation Based on Context Feature and Atrous Spatial Pyramid Pooling

作者：

刘东东、马银平

展开 >

作者单位：

南昌航空大学信息工程学院,南昌 330063

关键词：

语义分割金字塔池化上下文特征细化残差

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.11.007