一种基于YOLO的多尺度融合图像分割模型
图像分割是指将图像分成若干具有相似性质区域的过程,是许多图像处理任务的预处理步骤.针对现有的分割模型结构在大目标上表现比小目标更好,需要在细粒度特征上有针对性的强化,需要在结构上进一步进行创新尝试,高效利用特征图表达.在研究了国内外总体的图像分割模型之后,研究YOLO框架用于检测和识别目标原理,并利用特征图的可迁移性质,取以其前半部分作为分割模型的特征图进行研究.接着提出了一种改进的多尺度融合图像分割模型,将不同层的特征图加以整合形成一张新的特征图的方法,使用一组因子将输入特征图显式降采样为小尺寸,然后独立进行卷积,从而得到不同比例的表示.最后通过对改进模型进行试验,并与其他分割模型进行比较总结,测试图像的分割精度达到了0.833,相较于传统的C N N分割图像模型有所提高,具有一定的应用价值.
图像识别、深度学习、YOLO、多尺度融合、信息处理、人像分割
TP391.4(计算技术、计算机技术)
2021-03-16(万方平台首次上网日期,不代表论文的发表时间)
共5页
47-51