双路径特征融合编解码结构的高速语义分割EI北大核心CSCD |
| |
引用本文: | 胡学刚龚宇敬力源.双路径特征融合编解码结构的高速语义分割EI北大核心CSCD[J].计算机辅助设计与图形学学报,2022(12):1911-1919. |
| |
作者姓名: | 胡学刚龚宇敬力源 |
| |
作者单位: | 1.重庆邮电大学通信与信息工程学院400065; |
| |
基金项目: | 国家自然科学基金(62076044);重庆市自然科学基金重点项目(cstc2017jcyjBX0037)。 |
| |
摘 要: | 对基于深度学习的高精度图像语义分割模型参数量大、分割速度慢的问题,提出一种基于双路径特征融合编解码结构的语义分割模型.首先,该模型编码器通过对语义路径和空间路径同时进行编码,其能够融合不同的特征信息,弥补了空间信息和语义信息难以两全的弊端,对特征图进行高效的卷积操作;其次,该模型解码器通过融合高层语义信息和低层空间信息,有效地弥补了编码时下采样操作丢失的特征信息.在Cityscapes和Camvid数据集上的实验结果表明,整体模型的参数量仅为3.91×10^(6),在2个数据集上分别取得了67.7%和65.8%的均交并比,分割速度分别为111帧/s和86帧/s.对比其他同类模型,所提模型拥有更少的参数量和更高的精度,其分割速度远远超过实时语义分割的最低要求24帧/s.
|
关 键 词: | 神经网络 语义分割 特征融合 深度学习 编解码结构 |
本文献已被 维普 等数据库收录! |
|