一种基于改进的MobileNetV2网络语义分割算法OA北大核心CSCDCSTPCD
Semantic Segmentation Algorithm Based on Improved MobileNetV2
基于金字塔卷积神经网络的语义分割算法准确率很高,但是其计算资源消耗巨大、算法执行时间长、无法满足实时性要求.为了解决这个问题,本文做出了以下改进:(1)用MobileNet替换原网络的结构,减少了网络运算时间和内存开销;(2)引入编码器-解码器结构提高输出图像的分辨率,进一步细化分割结果;(3)针对高分辨率图像推断时间过长的问题,本文设计了多级图像输入方法,降低了网络推断高分辨率图像所消耗的时间.本文在VOC 2012数据集和Cityscapes数据集上进行了测试,并与FCN、SegNet、DeepLab、PSPNet以及DFN等语义分割模型对比.实验结果表明,本文设计的语义分割算法在VOC 2012数据集上达到了76.1％的mIoU,在Cityscapes数据集上达到了74.1％的mIoU,略低于传统语义分割算法;处理一张分辨率为1024×512的图片需要18ms,少于传统语义分割算法,满足了实时性要求,达到了准确率与计算资源消耗之间的平衡.
孟琭;徐磊;郭嘉阳
东北大学信息科学与工程学院,辽宁沈阳 110000东北大学信息科学与工程学院,辽宁沈阳 110000辛辛那提大学电气工程与计算机系,俄亥俄州辛辛那提45221
信息技术与安全科学
语义分割卷积神经网络金字塔网络快速语义分割MobileNet编码器-解码器
《电子学报》 2020 (9)
面向太空舱安全保障的动态温度调制型纳米气体传感器阵列研究
1769-1776,8
国家自然科学基金(No.61973058)教育部中央高校基本科研基金(No.N2004020)
评论