全卷积神经网络实时语义分割方法研究

发布时间：2022-10-10 17:13

　　近十年,随着硬件设备GPU的并行计算能力提升,深度学习领域得到迅猛发展,其中的卷积神经网络在计算机视觉方面的研究与应用驱动着图像分割技术的向前发展。语义分割是图像分割领域中的一种方法,它可对图像中每个像素进行分类。自2015年全卷积神经网络（Fully Convolution neural Network,FCN）的提出,基于FCN的语义分割方法得到国内外学者的广泛研究,这类方法通过大量参数拟合数据分布可处理复杂的数据集。由于硬件算力的限制,多个领域对高精度实时语义分割方法的需求非常迫切。但是,当前大多数语义分割方法更关注如何提升精度而忽略分割速度,而现有的实时语义分割方法存在分割精度不足的问题,针对这个问题,本文提出了基于DeepLabv2改进的实时语义分割方法。在Cityscapes和Pascal VOC2012两个数据集上的实验分别取得68.2%mIoU和75.3%mIoU,其分割速度分别取得31FPS和87FPS。与DeepLabv2相比,本文方法具有以下三方面改进:（1）对网络结构进行改进。在编码阶段采用深度可分离卷积降低计算量,在解码阶段增加特征金字塔网络（Feature ... 

【文章页数】：57 页

【学位级别】：硕士

【部分图文】：

图１．１全卷积神经网络的语义分割框架??Ｆｉｇ．?１．１?Ｓｅｍａｎｔｉｃ?ｓｅｇｍｅｎｔａｔｉｏｎ?ｆｒａｍｅｗｏｒｋ?ｏｆ?ｆｕｌｌ?ｃｏｎｖｏｌｕｔｉｏｎ?ｎｅｕｒａｌ?ｎｅｔｗｏｒｋ??

图２．４修正线性激活单元函数??Ｆｉｇ．?２．４?Ｒｅｃｔｉｆｉｅｄ?ｌｉｎｅａｒ?ａｃｔｉｖａｔｉｏｎ?ｕｎｉｔ?ｆｕｎｃｔｉｏｎ??

图２．７?ＡｌｅｘＮｅｔ网络结构??Ｆｉｇ．?２．７?Ｔｈｅ?ｎｅｔｗｏｒｋ?ｓｔｒｕｃｔｕｒｅ?ｏｆ?ＡｌｅｘＮｅｔ??


本文编号：3690033