空洞卷积的多尺度语义分割网络

摘要：

计算机硬件的发展极大程度地促进了计算机视觉的发展,卷积神经网络在语义分割中取得了令人瞩目的成就,但多卷积层叠加难免造成图像中目标边界信息的丢失.为了尽可能保留边界信息,提高图像分割精度,提出一种多尺度空洞卷积神经网络模型.该模型利用多尺度池化适应图像中不同尺度目标,并利用空洞卷积学习目标特征,在更加准确识别目标的同时,提高目标边界的识别精度,在ISPRS Vaihingen数据集上的实验结果表明,提出的多尺度空洞卷积神经网络对于目标边界的拟合结果较为理想.

关键词：深度学习、语义分割、空洞卷积、多尺度

所属期刊栏目：55

分类号：TP751.1(遥感技术)

资助基金：国家自然科学基金71771111

在线出版日期：2020-01-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：91-95