融合多尺度特征的改进Deeplab v3+图像语义分割算法

作     者：张文博 瞿珏 王崴 胡俊 王庆力 ZHANG Wenbo;QU Jue;WANG Wei;HU Jun;WANG Qingli

作者机构：空军工程大学西安710000 

出 版 物：《电光与控制》 (Electronics Optics & Control)

年 卷 期：2022年第29卷第11期

页      面：12-16,30页

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(52175282) 

主　　题：深度学习 语义分割 多尺度 注意力机制 迁移学习 

摘      要：针对当前Deeplab v3+模型没有充分采用高分辨率的浅层特征出现的错误分割、遗漏分割等现象,提出一种融合多尺度特征的改进Deeplab v3+特征图像语义分割算法。在主干网络中,引入多尺度金字塔卷积;将空洞空间卷积池化金字塔中的标准卷积替换为深度可分离卷积,减少整体模型的参数量;最后,在解码层采用多尺度方法来捕捉获取全局背景,将背景特征通过注意力机制,再与浅层特征和空洞空间金字塔池化层结合,丰富融合后的浅层特征语义信息。实验表明,在CityScapes验证集中,所提算法具有更好的边缘分割效果,平均交并比达到了74.76%,较原有算法提升了2.20%。通过与先进算法比较,也证明所提算法应对改善错误分割、遗漏分割的有效性。