本發(fā)明涉及一種改進空洞卷積和多層次特征信息融合的圖像語義分割方法,包括以下步驟:使用改進的空洞卷積方法在深度卷積神經(jīng)網(wǎng)絡(luò)中提取圖像特征;將提取的深層特征圖像與淺層特征圖像級聯(lián)融合彌補空間信息丟失;將多階段處理后的特征圖像通過邊界細化學(xué)習(xí)邊界信息,融合并恢復(fù)至原始圖像分辨率,生成預(yù)測分割圖;利用交叉熵損失函數(shù)訓(xùn)練網(wǎng)絡(luò),以mIoU評價模型性能。本發(fā)明改進了現(xiàn)有空洞卷積的利用方法并設(shè)計了可變形空間金字塔結(jié)構(gòu),提升模型的圖像特征提取效果。同時,為圖像分辨率恢復(fù)設(shè)計了多層次特征信息融合結(jié)構(gòu),充分利用不同層級包含的局部信息以及全局信息,并引入邊界細化,有效提高圖像語義分割的準(zhǔn)確率。
聲明:
“改進空洞卷積和多層次特征信息融合的圖像語義分割方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學(xué)習(xí)研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)