文章目录

1 引言

2 改进的Re-ASPP-HRNet

2.1 网络模型结构

2.2 改进的高分辨率网络

2.3 ASPP模块的改进

2.4 解码部分结构设计

3 实验与分析

3.1 数据集

3.2 评价标准

3.3 模型训练

3.4 实验设计

4 结论

文章摘要:针对经典语义分割算法中存在的模型庞大、训练困难以及多尺度目标分割等问题,基于空洞空间金字塔池化（ASPP）和高分辨率网络（HRNet）提出了一种高效的多尺度图像语义分割方法。首先利用深度可分离卷积结合1^*1卷积的方式改进了HRNet的基础模块,减少了模型参数;其次通过在全部的卷积层之后、修正线性单元（relu）激活函数之前添加批归一化层（BN）改善DeadRelu问题;最后添加了使用混合扩张卷积框架重构的ASPP,使用并行的上采样通道融合二者的优势,获得空间精准的分割结果,提出了Re-ASPP-HRNet。在公开数据集PASCAL VOC2012和CityScapes上的实验表明,改进后的方法相比于原HRNet分别实现了0.8%、0.5%平均交并比的精度提升,且减少了1/2的参数数量以及1/3占用内存。进一步提升了网络的性能,实现了更加高效可靠、有普适性的多尺度语义分割算法。

文章关键词:

论文分类号:TP391.41