检索结果-南通市图书馆

Preserving details in semantics-aware context for scene parsing

Science China(Information Sciences) 2020年第2期63卷 79-92页

作者： Shuai MA Yanwei PANG Jing PAN Ling SHAO Tianjin Key Laboratory of Brain-Inspired Intelligence Technology School of Electrical and Information EngineeringTianjin University School of Electronic Engineering Tianjin University of Technology and Education

Great success of scene parsing(also known as, semantic segmentation) has been achieved with the pipeline of fully convolutional networks(FCNs). Nevertheless, there are a lot of segmentation failures caused by large similarities between local appearances. To alleviate the problem, most of existing methods attempt to improve the global view of FCNs by introducing different contextual modules. Though the reconstructed high resolution output of these methods is of rich semantics, it cannot faithfully recover the fine image details owing to lack of desired precise low-level information. To overcome the problem, we propose to improve the spatial decoding process through embedding possibly lost low-level information in a principled way. To this end, we make the following three contributions. First, we propose a semantics conformity module to make low-level features variations agnostic. Second, we introduce semantics into the conformed low level features through guidance from semantically aware features. Finally, we institute the availability of various possible contextual features at feature fusion to enrich context information. The proposed approach demonstrates competitive performance on challenging PASCAL VOC 2012, cityscapes,and ADE20K benchmarks in comparison to the state-of-the-art methods.

关键词： fully convolutional networks semantic segmentation cityscapes semantic-aware context

来源：

同方期刊数据库评论

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的交通场景图像语义分割算法研究

基于深度学习的交通场景图像语义分割算法研究

引用

作者：谭睿俊太原科技大学

学位级别：硕士

近几年,随着深度学习在人工智能领域中广泛而深层次的应用,对机器视觉、机器人等控制领域发挥了至关重要的作用,通过利用计算机代替人类对图像视频进行视觉特征提取、智能训练以及网络测试,主要有图像识别与分类,目标的检测跟踪、图像... 详细信息

近几年,随着深度学习在人工智能领域中广泛而深层次的应用,对机器视觉、机器人等控制领域发挥了至关重要的作用,通过利用计算机代替人类对图像视频进行视觉特征提取、智能训练以及网络测试,主要有图像识别与分类,目标的检测跟踪、图像语义分割等。本文主要内容是基于深度学习的交通场景图像语义分割算法,在自动驾驶中,主要任务是对交通场景图像中各类目标的像素进行识别和分割,在分割的过程中提取道路、车辆等目标语义特征信息,从而进一步理解图像的整体内容,来帮助智能驾驶车辆选择最优驾驶路线。内容如下:(1)针对全卷积网络对小目标分割精度较低、分割边缘不完整等,提出一种基于可分离卷积残差网络的车辆场景语义分割算法。首先利用可分离残差网络块对图像进行更全面的边缘特征提取;然后通过反卷积恢复特征图,得到预测分割结果图。在Camvid测试集中,与全卷积网络相比,Miou由76.85%提升至83.30%。(2)针对全卷积网络特征提取网络深度、池化后影响特征图分辨率等,提出一种基于双层残差网络特征提取的图像语义分割网络DResnet。首先搭建双层残差网络提取图像的不同特征,使得融合特征具有准确的感知能力;其次从特征图X1开始融合,使用2x反卷积方法融合不同层次的特征;利用分支训练法训练网络,提升网络的训练准确度。在Camvid中,与全卷积网络相比,Miou由49.72%提升至59.44%,在cityscapes中,由44.35%提高到47.77%。(3)针对现有的一些语义分割模型对训练图像的不同尺度目标的感知能力较弱、池化操作后特征图分辨率较小甚至出现特征丢失等,提出一种基于多尺度残差、跳跃特征拼接的图像语义分割算法Ms Res Net。首先构建多尺度特征提取模块,对输入图像进行特征提取;其次通过跳跃特征融合、张量拼接对五个Layer层输出的特征图进行上采样;最后提出多分支训练方法,对网络不同分支的训练具有选择性。在Camvid中,与全卷积网络相比,Miou由49.7%提升至63.0%,较DResnet网络提升3.56%。在cityscapes中,Miou由44.3%提升至50.7%,较DResnet网络提升2.93%。

关键词：可分离残差网络双层残差网络多尺度特征提取跳跃特征拼接图像语义分割 Camvid cityscapes

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于改进型DeepLab的图像语义分割研究

引用

计算机应用文摘 2023年第13期39卷 113-115页

作者：郑永奇郑州澍青医学高等专科学校郑州450064

深度学习在图像语义分割方面有着广泛的应用,能够提高计算机对图像的理解和识别能力,同时在自动驾驶、医学影像等领域具有重要作用。然而,其现有算法还存在一些缺陷,如预测结果不连续、精度不高等。因此,文章基于深度学习技术以DeepLab... 详细信息

深度学习在图像语义分割方面有着广泛的应用,能够提高计算机对图像的理解和识别能力,同时在自动驾驶、医学影像等领域具有重要作用。然而,其现有算法还存在一些缺陷,如预测结果不连续、精度不高等。因此,文章基于深度学习技术以DeepLab V3十框架为研究对象,探究其基本原理和核心架构,并基于Xception提出一种改进型DeepLabV3十框架,以解决预测结果不连续、下采样导致特征图信息丢失等问题,从而提高分割的精度。该研究使用cityscapes数据集进行实验验证,并将改进的框架与初始的DeepLabV3十框架进行了比较。实验结果表明,该方法在平均交并比方面表现更优,提高了2.82%的分割精度。

关键词： DeepLab Xception 语义分割 cityscapes

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

基于深度学习的视频语义分割综述

引用

计算机系统应用 2019年第12期28卷 1-8页

作者：韩利丽孟朝晖河海大学计算机与信息学院

目前对视频语义分割的研究主要分为两方面,一是如何利用视频帧之间的时序信息提高图像分割的精度;二是如何利用视频帧之间的相似性确定关键帧,减少计算量,提升模型的运行速度.在提升分割精度方面一般设计新的模块,将新模块与现有的CNNs... 详细信息

目前对视频语义分割的研究主要分为两方面,一是如何利用视频帧之间的时序信息提高图像分割的精度;二是如何利用视频帧之间的相似性确定关键帧,减少计算量,提升模型的运行速度.在提升分割精度方面一般设计新的模块,将新模块与现有的CNNs结合;在减少计算量方面,利用帧序列的低层特征相关性选择关键帧,同时减少操作时间.本文首先介绍视频语义分割的发展背景与操作数据集cityscapes、CamVid;其次,介绍现有的视频语义分割方法;最后总结当前视频语义分割的发展情况,并对未来的发展给出一些展望和建议.

关键词：语义分割视频语义分割关键帧数据集 cityscapes CamVid 深度学习

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一种融合FC-CRF的密集网络语义分割方法

引用

电子设计工程 2020年第15期28卷 43-47页

作者：刘卫铭辛月兰姜星宇青海师范大学物理与电子信息工程学院青海西宁810000

针对目前多数图像语义分割方法边界定位不准确、分割模糊的问题,借助RM-DenseNet通过WDB进行循环连接来增加编码器中密集块的宽度,并综合考虑超宽密集块对语义分割结果的影响,最后在输出之前融合FC-CRF设计了一种面向图像语义分割的密... 详细信息

针对目前多数图像语义分割方法边界定位不准确、分割模糊的问题,借助RM-DenseNet通过WDB进行循环连接来增加编码器中密集块的宽度,并综合考虑超宽密集块对语义分割结果的影响,最后在输出之前融合FC-CRF设计了一种面向图像语义分割的密集网络模型。实验使用cityscapes数据集,从定性和定量两个方面进行对比,以mIoU作为量化指标评价网络性能,并由测试结果显示改进的网络得到更高的语义分割精度。本文提出的融合FC-CRF密集网络图像语义分割方法,不仅使得分割不同语义区域的边界明确且规整,且提高了分割精度。

关键词：图像语义分割 RM-DenseNet FC-CRF cityscapes

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：