语义分割DeepLabV3+带状池化有效通道注意力深度可分离卷积针对目前高精度的语义分割模型普遍存在计算复杂度高,占用内存大,难以在硬件存储和计算力有限的嵌入式平台部署的问题,从网络的参数量,计算量和性能3个方面综合考虑,提出一种基于改进DeepLabV3+的高效语义分割模型.该模型以MobileNetV2为骨干网络,在空洞空间金字塔池化...
发明名称改进DeepLabv3+模型的电力线语义分割方法(57)摘要本发明公开了一种基于改进DeepLabv3+模型的电力线语义分割方法,所述方法用轻量级PP‑LCNet替换原始DeepLabv3+主干网络Xception,有效减少参数量并提升预测速度,在空洞空间金字塔池化模块中增加空洞卷积分支和级联卷积,获取具有更大感受野的多尺度特征从而减少漏分割...
内容提示: 激光与光电子学进展 Laser & Optoelectronics Progress ISSN 1006-4125,CN 31-1690/TN 《激光与光电子学进展》网络首发论文 题目: 基于改进 DeepLabV3+遥感影像语义分割方法 作者: 苏志鹏,李景文,姜建武,陆妍玲,朱明 网络首发日期: 2022-07-18 引用格式: 苏志鹏,李景文,姜建武,陆妍玲,朱明.基于改进 ...
本发明公开了一种基于改进DeepLabV3的城市街景语义分割方法,包括以下步骤:步骤1、获取城市街景图像数据集,包括训练数据、验证数据和测试数据,并对训练数据进行数据增强;步骤2、建立改进DeepLabV3语义分割网络模型;步骤3、将步骤1得到的训练数据对改进DeepLabV3语义分割网络模型进行训练,并在训练过程中应用验证数据对模型进行...
在INRIA Aerial Image 高分辨率遥感图像数据集上进行训练和测试，并与相关模型进行对比，研究结果表明，改进后的Deeplabv3+ 网络在遥感图像分割中性能优异，改善了目标边缘以及小尺度目标物体的分割效果，具有一定的研究和应用价值。[关键词]遥感图像； Deeplabv3+； 通道注意力； 特征融合； 语义分割 [中图分类号] TP...
不能灵 活高效地部署于实际场景中.针对这一现象,通过综合考虑网络的参数量,预测时间和准确度, 设计出一种优化 DeepLabv3+模型的图像语义分割网络.骨干网络改用轻量级 EfficientNetv2 网络提 取特征,提高参数利用率;在空洞空间金字塔池化模块中使用混合条带池化模块代替全局平均池 化,引入深度可分离膨胀卷积,减少参数量...
摘要 针对DeepLabv3模型对自然图像语义分割时存在的图像局部细节信息丢失导致的误分割和物体边缘分割不完整的问题,提出了一种改进DeepLabv3模型的自然图像语义分割网络,能够以更高的准确率实现自然图像的语义分割.首先,...展开更多 An improved DeepLabv3 model for semantic segmentation of natural images is proposed ...
因此,基于深度卷积神经网路的语义分割方法受到广泛关注和应用,其中DeepLabv3+模型表现出较好的分割效果,但是仍存在以下问题:1)对待现实场景中物体的各向异性问题不能很好的处理,不能对同一场景中尺度存在较大差异的物体进行有效分割.2)在深度卷积神经网络提取特征过程中存在边界位置细节信息丢失问题,影响模型分割效果.3)...
建语义分割数据集 , 同时提出一种改进的 DeepLab v3+ 模型。该模型使用轻量级网络 MobileNet v2 作为骨干网络 , 为了同时兼顾局部细节和全局语境 , 使用多尺度特征融合 (Multi-scale Feature Fusion module, MSFF ) 模块代替空 洞空间金字塔池化 (Atrous Spatial Pyramid Pooling, ASPP ) 模块 , 利用扩张率依次增...
情境下 , 语义分割相较于目标检测可以提供更精确 在绿茶中 , 单一茶叶嫩芽称为“莲心” , 一芽 的位置信息。同时为了解决语义分割模型体量大、 一叶称为“旗枪” , 一芽二叶称为“雀舌” , 以及第 训练时间长、场景复杂等问题 , 本研究提出一种改 ...