典型文献
基于语义重定位的语义分割并行网络
文献摘要：
语义分割任务是对图像进行像素级别的分类预测,其难点在于对像素级别的准确预测和物体的边缘划分.现有方法大多采用基于编解码结构的网络模型,通过下采样快速扩充网络的感受野,但连续的下采样对特征图的空间信息造成了不可逆转的损失,为此,提出一种基于语义重定位的并行网络.设计了一条全局空间路径,在保持高分辨率的情况下提取丰富的空间信息并缓解多次下采样带来的信息丢失.在另一条上下文信息提取路径中,采用一个特征提取器,通过快速下采样扩充网络的感受野.此外,设计基于物体类别的语义重定位模块弥补多次下采样造成的上下文信息缺失,使用粗分割结果中该类目标区域的所有像素分别对目标区域中的每个像素进行引导.同时,采用Dice loss缓解数据中存在的正负样本不平衡问题,以获得更好的分割性能.最后,在Cityscapes和CamVid数据集上对所提网络进行了评价.实验结果表明,与已有分割网络相比,在CamVid数据集上,SRPNet在mIoU指标上能提升3.1％,在Cityscapes数据集上,SRPNet在mIoU指标上能提升1.8％.
文献关键词：
语义分割;语义重定位;特征提取;特征融合
中图分类号：
作者姓名：
陈姝;徐蕾;邹北骥;陈静
作者机构：
湘潭大学计算机学院 湘潭 411105;中南大学计算机学院 长沙 410083;湘潭大学计算中心 湘潭 411105
文献出处：
引用格式：
[1]陈姝;徐蕾;邹北骥;陈静-.基于语义重定位的语义分割并行网络)[J].计算机辅助设计与图形学学报,2022(03):373-381
A类：
语义重定位,SRPNet
B类：
语义分割,并行网络,行像,像素级,分类预测,准确预测,边缘划分,编解码结构,下采样,感受野,特征图,空间信息,不可逆转,多次下,样带,信息丢失,上下文信息,信息提取,提取路径,体类,定位模块,信息缺失,类目,目标区域,Dice,loss,解数,正负样本,样本不平衡,不平衡问题,Cityscapes,CamVid,分割网络,mIoU,特征融合
AB值：
0.337015
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
