多级特征融合下的高精度语义分割方法

摘要：

为解决图像语义分割中边缘分割模糊与小目标物体分割不精细的问题,提出了一种高精度语义分割方法.该方法利用MobileNetV3网络,提取多级的浅层轮廓特征和深层语义特征,通过PSP-Net模型中的金字塔池化模块和上采样操作,将多级浅层的轮廓特征信息与深层的语义特征信息进行融合,实现了多级特征融合的高精度图像语义分割.在Nyu-V2数据集上实验的结果表明,该算法明显提高了对小目标特征的描述能力.在Pascal-VOC2012数据集上进一步验证了该算法的泛化性.与3种主流方法进行了实验对比,该算法的分割精度相比Deeplabv3+提高了2.1％,相比PSP-Net提高了5.1％,相比SEG-Net提高了10.9％.

关键词：深度学习;图像语义分割;空间金字塔池化;多级特征融合

所属期刊栏目：35

分类号：TP391(计算技术、计算机技术)

资助基金：陕西省重点研发计划项目;西安市碑林区应用技术研发类项目

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：43-49