基于改进HRNet和PPM的图像语义分割方法的研究OA北大核心
Research on image semantic segmentation method based on improved HRNet and PPM
为解决现有语义分割模型无法兼顾全局语义信息与局部细节信息,以及残差模块细节特征提取能力弱的问题,提出一种语义分割方法.在HRNet的基础上引入了金字塔池化模块,兼顾了全局语义信息和局部细节信息,同时在原有残差模块Basic Block的基础上引入大核深度卷积提高模型的细节特征提取能力,大幅度提高模型的精度.在PASCAL VOC2012图像数据集上的实验表明,相较于原始HRNet等其他分割网络,该算法取得了分割精度的显著提升,平均分割精度达到了8…查看全部>>
A semantic segmentation method is proposed to address the issue of the existing semantic segmentation models being unable to balance global semantic information and local detail information,and the poor ability of residual module detail feature extraction.On the basis of the HRNet,a pyramid pooling module is introduced to balance global semantic information and local detail information.At the same time,the large-kernel deep convolution is introduced on the b…查看全部>>
师佳琪;杨皓浚;刘晓悦;陈鑫
华北理工大学 电气工程学院,河北 唐山 063000北京邮电大学,北京 100876华北理工大学 电气工程学院,河北 唐山 063000华北理工大学 电气工程学院,河北 唐山 063000
电子信息工程
HRNet金字塔池化模块大核深度卷积残差模块语义分割深度学习
HRNetpyramid pooling modulelarge-kernel deep convolutionresidual modulesemantic segmentationdeep learning
《现代电子技术》 2025 (7)
29-34,6
河北省重点基金项目(SJMYF202401)国家自然科学基金项目(42274056)
评论