特征融合型卷积神经网络的语义分割

来源：计算机工程与应用杂志2020年第10期北京时间：

作者：马冬梅，贺三三，杨彩锋，严春满

单位：西北师范大学 物理与电子工程学院，兰州 730070

摘要：语义分割是对图像中的不同目标进行像素级的分割和分类，是图像处理领域中的一项重要研究，应用十分广泛。深度卷积神经网络在近几年的机器视觉研究中取得了显著成效。针对密集预测的语义分割任务，提出了一种基于VGGNet网络的方法。该方法在深层特征图像中融合了浅层信息，且采用并行的不同采样率的空洞卷积进行特征提取与融合，更有效地提取不同层的特征和上下文信息，从而提高语义分割精度。采用全连接条件随机场优化图像边界，进一步提高语义分割的精度。该方法在PASCAL VOC 2012语义分割任务测试集中取得了71.3% mIOU的结果，优于之前基于VGGNet的主要经典方法。

关键词：语义分割,卷积神经网络,机器视觉,密集预测,全连接条件随机场