基于改进SEGNET模型的图像语义分割

摘要：

使用原始SEGNET模型对图像进行语义分割时,未对图像中相邻像素点间的关系进行考虑,导致同一目标中像素点类别预测结果不一致.通过在SEGNET结构中加入一条自上而下的通道,使得SEGNET包含的多尺度语义信息更加丰富,从而提升对每个像素点的类别预测精度,在模型中加入生成对抗网络以充分考虑空间中相邻像素点间关系.实验结果表明,该模型的语义分割效果相比原始SEGNET模型显著提升,且可有效解决SEGNET测试中出现的分类错误问题.

关键词：SEGNET模型、生成对抗网络、多尺度语义信息、相邻像素类别关系、特征融合

所属期刊栏目：47

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金青年项目"基于用户标签和主体兴趣的社会媒体信息推荐研究"61806049

在线出版日期：2021-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：256-261