文件名称：基于反卷积特征学习的图像语义分割算法
文件大小：1.45MB
文件格式：PDF
更新时间：2024-05-26 06:31:51
深度学习 语义分割 批次中心化 多尺度特征 反卷积网络
随着深度学习的发展，语义分割任务中许多复杂的问题得以解决，为图像理解奠定了坚实的基础.本文算法突出表现在两个方面，其一是利用反卷积网络，对卷积网络中不同深度的卷积层提取到的多尺度特征进行融合，之后再次通过反卷积操作对融合后的特征图进行上采样，将其放大到原图像的大小，最后对每个像素进行语义类别的预测.其二为了提升本文网络结构的性能，提出一种新的数据处理方式，批次中心化算法.经过实验验证，本文算法在SIFT-Flow数据集上语义分割的平均准确率达到45.2%，几何分割的准确率达到96.8%，在PASCAL VOC2012数据集上语义分割的平均准确率达到73.5%.