基于显著性语义协同的校园道路场景分割
刘蓝蓝1
杜敏敏2
郑伟3
司马海峰2
1.河南理工大学 软件学院,河南 焦作 454000;河南理工大学 文法学院,河南 焦作 4540002.河南理工大学 软件学院,河南 焦作 4540003.河南理工大学 文法学院,河南 焦作 454000
摘要：针对复杂场景图像语义分割精度低、细小目标识别能力不足等问题,提出基于显著性语义协同学习的校园道路场景分割算法,并在实时网络模型LinkNet基础上对该算法加以改进.首先,在编码阶段引入空洞空间金字塔池化模块,通过扩大视野提取更丰富的上下文语义信息,提升细小目标的分割能力;其次,采用协同学习思想,将语义分割与显著性检测的特征提取过程进行共享.通过共享卷积层特征,语义分割任务从显著性的学习过程中受益,进而提高分割模型的准确率.为了验证算法性能,在Cityscapes数据集上进行实验.结果表明,与经典的语义分割方法进行对比,本文算法能进一步提高场景内各类目标分割精确度,整体精度达到67.91%,比原LinkNet模型提高了8.14%.
关键词：校园安全图像语义分割协同学习显著性语义
分类号：TP391(计算技术、计算机技术)
资助基金：国家自然科学基金(61602157)河南省科技攻关计划项目(202102210167)河南省高校创新团队项目(19IRTSTHN012)河南理工大学博士基金资助项目(B2016-37)
论文发表日期：2023-08-28
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：8( 148-155 )
英文信息