基于全局卷积神经网络的复杂图像语义分割方法OACSTPCD
A Method for Semantic Segmentation of Complex Images Based on Global Convolutional Neural Network
语义分割的场景图像易受不同光照强度以及类别多样性的影响,尤其是在复杂的图像分割任务中,由于不同物体间的像素值差异过大或过小,造成分割图像的纹理和几何特征缺失,即产生欠分割、过分割现象.针对上述问题,利用深度卷积神经网络,研究基于全局卷积神经网络的复杂图像语义分割方法.首先,提出多尺度残差空间金字塔池化模块,在网络中获取到更加稠密和完备的图像低层特征[1];其次,网络考虑全局信息,提出基于注意力机制的解码器模块,有效捕获图像像素的纹理特征、颜色特征…查看全部>>
张丹;柳爽;张晓娜;时光;刘京
91550部队第43分队 大连 116023河北师范大学计算机与网络空间安全学院 石家庄 050024河北师范大学计算机与网络空间安全学院 石家庄 050024海军大连舰艇学院教学考评中心 大连 116018河北师范大学计算机与网络空间安全学院 石家庄 050024
信息技术与安全科学
语义分割欠分割过分割深度卷积神经网络空间金字塔池化注意力机制
《舰船电子工程》 2021 (1)
基于多模态信息融合的真三维显示中深度图获取和虚拟视点绘制研究
82-88,7
国家自然科学基金项目(编号:61802109)河北师范大学科技类(创新)基金项目(编号:L2018K02)资助.
评论