声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：李叔敖, 解庆, 马艳春, 刘永坚
单位：（武汉理工大学计算机科学与技术学院,湖北 武汉 430070）
关键词：图像语义分割,双向交叉熵,路径聚合结构,多尺度预测,深度学习,
基金：国家自然科学基金（61602353）
基于编码器-解码器的深度全卷积神经网络在图像语义分割中取得了重大的进展，但是深度网络中网络低层定位信息传播到网络高层路径过长，导致解码阶段难以利用低层定位信息来恢复物体边界结构，针对这一问题，提出了一种应用在分割网络解码器部分的路径聚合结构。该结构缩短了分割网络中低层信息到高层信息的传播路径并提供多尺度的上下文语义信息，使得分割网络能产生更为精细的边界分割结果。针对语义分割中常使用的Softmax交叉熵损失函数对外观相似样本区分能力不足的问题，对Softmax交叉熵损失函数进行改造，提出了双向交叉熵损失函数。本文提出的路径聚合扩张卷积网络结合新的损失函数方法在PASCAL VOC2012Aug数据集上获得了更好的效果，将mIoU值从78.77%提升到了80.44%。
来源：2021年第4期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。