基于反卷积特征学习的图像语义分割算法

摘要：

随着深度学习的发展,语义分割任务中许多复杂的问题得以解决,为图像理解奠定了坚实的基础.本文算法突出表现在两个方面,其一是利用反卷积网络,对卷积网络中不同深度的卷积层提取到的多尺度特征进行融合,之后再次通过反卷积操作对融合后的特征图进行上采样,将其放大到原图像的大小,最后对每个像素进行语义类别的预测.其二为了提升本文网络结构的性能,提出一种新的数据处理方式,批次中心化算法.经过实验验证,本文算法在SIFT-Flow数据集上语义分割的平均准确率达到45.2％,几何分割的准确率达到96.8％,在PASCAL VOC2012数据集上语义分割的平均准确率达到73.5％.

关键词：深度学习、语义分割、批次中心化、多尺度特征、反卷积网络

所属期刊栏目：28

在线出版日期：2019-03-12（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：147-155