| 高精度实时语义分割算法框架: 多通道深度加权聚合网络 |
| |
| 引用本文： | 齐咏生,陈培亮,高学金,董朝轶,魏淑娟. 高精度实时语义分割算法框架: 多通道深度加权聚合网络[J]. 控制与决策, 2024, 39(5): 1450-1460 |
| |
| 作者姓名： | 齐咏生 陈培亮 高学金 董朝轶 魏淑娟 |
| |
| 作者单位： | 内蒙古工业大学 电力学院,呼和浩特 010080;大规模储能技术教育部工程研究中心, 呼和浩特 010080;内蒙古自治区高等学校智慧能源技术与装备工程研究中心, 呼和浩特 010080;北京工业大学 信息学部,北京 100080 |
| |
| 基金项目： | 国家自然科学基金项目(62241309)；内蒙古科技计划项目(2020GG028,2021GG164)；内蒙古自然科学基金项目(2020MS05029,2021MS06018). |
| |
| 摘 要： | 近年来随着深度学习技术的不断发展,涌现出各种基于深度学习的语义分割算法,然而绝大部分分割算法都无法实现推理速度和语义分割精度的兼得.针对此问题,提出一种多通道深度加权聚合网络(MCDWA_Net)的实时语义分割框架.:该方法首先引入多通道思想,构建一种3通道语义表征模型,3通道结构分别用于提取图像的3类互补语义信息:低级语义通道输出图像中物体的边缘、颜色、结构等局部特征;辅助语义通道提取介于低级语义和高级语义的过渡信息,并实现对高级语义通道的多层反馈;高级语义通道获取图像中上下文逻辑关系及类别语义信息.:之后,设计一种3类语义特征加权聚合模块,用于输出更完整的全局语义描述.:最后,引入一种增强训练机制,实现训练阶段的特征增强,进而改善训练速度.:实验结果表明,所提出方法在复杂场景中进行语义分割不仅有较快的推理速度,且有很高的分割精度,能够实现语义分割速度与精度的均衡.
|
| 关 键 词： | 深度学习 语义分割 语义特征 上下文信息 深度融合 |
High precision real-time semantic segmentation algorithm: Multi-channel deep weighted aggregation network |
| |
| QI Yong-sheng,CHEN Pei-liang,GAO Xue-jin,DONG Chao-yi,WEI Shu-juan. High precision real-time semantic segmentation algorithm: Multi-channel deep weighted aggregation network[J]. Control and Decision, 2024, 39(5): 1450-1460 |
| |
| Authors: | QI Yong-sheng CHEN Pei-liang GAO Xue-jin DONG Chao-yi WEI Shu-juan |
| |
| Affiliation: | School of Electric Power, Inner Mongolia University of Technology, Hohhot 010080, China;Engineering Research Center of Large Energy Storage Technology of Ministry of Education, Hohhot 010080, China;Center for Intelligent Energy Technology and Equipment Engineering, Inner Mongolia University, Hohhot 010080;Faculty of Information Technology, Beijing University of Technology, Beijing 100080, China |
| |
| Abstract: | |
| |
| Keywords: | deep learning；semantic segmentation；semantic feature；context information；depth fusion |
|
| 点击此处可从《控制与决策》浏览原始摘要信息 |
|
点击此处可从《控制与决策》下载免费的PDF全文 |
|
