融合残差连接的图像语义分割方法
来源：计算机测量与控制杂志2024年第1期北京时间：
作者：王龙宝,张珞弦,张帅,徐亮,曾昕,徐淑芳
摘要：由于传统SegNet模型在采样过程中产生了大量信息损失，导致图像语义分割精度较低，为此提出了一种融合残差连接的新型编-解码器网络结构：文中引入了多残差连接策略，更为全面地保留了多尺度图像中包含的大量细节信息，降低还原降采样所带来的信息损失；为进一步加速网络训练的收敛效率，改善样本的不平衡问题，设计了一种带平衡因子的交叉熵损失函数，对正负样本不平衡现象予以针对性的优化，使得模型的训练更加高效；实验表明该方法较好地解决了语义分割中信息损失以及分割不准确的问题，与SegNet相比，本网络在Cityscapes数据集上进行精细标注的mIoU值提高了约13%。
关键词：语义分割;残差连接;交叉熵损失函数;SegNet模型;深度学习
基金资助：云南省科技厅重大科技专项计划项目(No.202202AF080003);长江生态环保集团有限公司科研项目(No.HBZB2022005)。
