基于IRNet单阶段弱监督学习的语义分割方法
为了提高语义分割的精确性和完整性,提出一种单阶段弱监督学习的语义分割方法.首先,在像素信息保持神经网络的基础上,提出了归一化全局加权池化,并将焦点遮罩惩罚引入分类得分函数中,以促进图像语义的完整性.然后,提出像素自适应遮罩精细化,对外观线索相关的粗糙遮罩预测进行修正,更新后的遮罩作为伪真实数据进行分割.并在此基础上,利用随机门将深层特征与浅层特征相结合.实验在格萨尔唐卡数据集和Pascal VOC 2012数据集上进行,实验结果表明,与一些优秀方法相比,所提方法具有较高的交并比(IoU),且消融实验也表明各模块可以明显提高语义分割性能.
语义分割、自适应精细化遮罩、分类得分、交并比、随机门
40
TP301(计算技术、计算机技术)
海南省自然科学基金;海南省自然科学基金高层次人才项目
2022-05-09(万方平台首次上网日期,不代表论文的发表时间)
共7页
30-36