低照度边缘增强的语义分割模型研究

摘要：

为提高对低照度图像的语义分割精度,提出了一种基于RPN的边缘增强语义分割模型(EESN).在该模型中,首先利用深度残差网络提取图像的高阶语义特征,并通过RPN快速生成待分割目标候选区域;然后,利用设计的融合算法对候选区域进行融合,并剔除重复的候选区域;最后,对融合的目标候选区域做低照度边缘搜索,并利用失真代价较小的局部增强算法对低照度边缘进行特征增强.将EESN用于Pascal VOC12和Cityscapes两个数据集的语义分割中,分别获得了81.2％和67.6％的mIoU,该结果证明了EESN对具有低照度边缘的图像具有较好的分割性能.

关键词：语义分割、候选区域网络、低照度、边缘检测、局部增强

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

在线出版日期：2020-10-14（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：116-124