基于深度CRF模型的图像语义分割方法
胡涛
李卫华
秦先祥
邱浪波
李小春
1.空军工程大学信息与导航学院,西安,7100772.空军工程大学信息与导航学院,西安,7100773.空军工程大学信息与导航学院,西安,7100774.空军工程大学信息与导航学院,西安,7100775.空军工程大学信息与导航学院,西安,710077
摘要：从图像中提取多种特征向量堆叠为一个高维特征向量用于图像语义分割,会导致部分特征向量的分类能力减弱或丢失.针对此问题,提出了一种结合深度卷积神经网络AlexNet和条件随机场的图像语义分割方法.利用预训练好的AlexNet模型提取图像特征,再通过条件随机场对多特征及上下文信息的有效利用来实现图像的语义分割.与利用传统经典特征的方法进行对比,实验结果表明:在利用AlexNet模型提取特征进行图像语义分割时,Conv5层为最有效的特征提取层,在Stanford background和Weizmann horse数据集下的识别准确率分别为81.0％和91.7％,均高于其他2种对比方法,说明AlexNet可以提取更有效的特征,得到更高的语义分割精度.
关键词：语义分割条件随机场卷积神经网络AlexNet模型
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(41601436)国家自然科学基金(61403414)国家自然科学基金(61703423)陕西省自然科学基础研究计划(2016JQ6070)
论文发表日期：2018-09-01
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：6( 52-57 )
英文信息