基于全局卷积神经网络的复杂图像语义分割方法
张丹1
柳爽2
张晓娜2
时光3
刘京2
1.91550部队第43分队 大连 1160232.河北师范大学计算机与网络空间安全学院 石家庄 0500243.海军大连舰艇学院教学考评中心 大连 116018
摘要：语义分割的场景图像易受不同光照强度以及类别多样性的影响,尤其是在复杂的图像分割任务中,由于不同物体间的像素值差异过大或过小,造成分割图像的纹理和几何特征缺失,即产生欠分割、过分割现象.针对上述问题,利用深度卷积神经网络,研究基于全局卷积神经网络的复杂图像语义分割方法.首先,提出多尺度残差空间金字塔池化模块,在网络中获取到更加稠密和完备的图像低层特征[1];其次,网络考虑全局信息,提出基于注意力机制的解码器模块,有效捕获图像像素的纹理特征、颜色特征和上下文信息,从而得到完整的分割结果.该方法在Camvid数据集上分割精确度达68.5％(MIoU)且在Cityscapes数据集上分割精度达78.3％.
关键词：语义分割欠分割过分割深度卷积神经网络空间金字塔池化注意力机制
分类号：TP751(遥感技术)
资助基金：国家自然科学基金(61802109)河北师范大学科技类(创新)基金项目(L2018K02)
论文发表日期：2021-01-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 82-88 )
英文信息