基于改进DeepLabv3+网络的轻量级语义分割算法
由于深度学习中语义分割模型参数量较大且算法耗时较长,不适合部署到移动端,针对此问题,提出了一种基于改进DeepLabv3+网络的轻量级语义分割算法.首先,采用MobileNetv3代替原DeepLabv3+语义分割模型特征提取骨干网络以降低模型复杂度,加快模型运行速度;其次,将空洞空间金字塔池化模块中的标准卷积替换为深度可分离卷积,提高模型训练效率;最后,引入注意力机制模块和组归一化方法,提升分割精度.所提分割算法在语义分割数据集Cityscapes验证集上的平均交并比(mIoU)达到72.94%.实验结果表明,与常见分割算法SegNet、Fast-SCNN、ENet等相比,所提算法在减少模型参数量的同时提高了分割效果.
图像处理、DeepLabv3+模型、MobileNetv3、轻量级、空洞空间金字塔池化
59
TP391(计算技术、计算机技术)
国家自然科学基金61863002
2022-03-30(万方平台首次上网日期,不代表论文的发表时间)
共8页
192-199