基于上下文情景结构的图像语义分割

摘要：

语义分割的目标是对图像进行像素级分类并分割为表示不同语义的区域,以便实现对更复杂场景的分析及理解.考虑到更大的卷积核对目标的定位及分割都有促进作用,故提出的网络里使用了一种基于上下文情景结构层(contextual structure)的卷积神经网络,既增大了感受野的范围,同时解决了增大传统卷积核带来大量参数的问题.自然图像中的目标往往具有不同的尺度和纵横比,提取丰富的细节信息和上下文信息对于像素级的预测至关重要.提出的网络同时实现了多尺度特征的提取,从规模较小区域到规模较大区域,再到完整目标,可以有效提取局部信息和全局信息,达到分割多尺度目标的效果.实验中使用PASCAL VOC 2012数据集对提出的方法进行评测,在综合考虑算法复杂度以及运行时间效率的基础上,提出算法取得了更好的实验结果.

关键词：语义分割、上下文情景结构、多尺度

所属期刊栏目：32

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金;重庆市重点产业共性关键技术创新专项;国家社会科学基金西部项目

在线出版日期：2020-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：287-294