论文摘要
计算机硬件的发展极大程度地促进了计算机视觉的发展,卷积神经网络在语义分割中取得了令人瞩目的成就,但多卷积层叠加难免造成图像中目标边界信息的丢失。为了尽可能保留边界信息,提高图像分割精度,提出一种多尺度空洞卷积神经网络模型。该模型利用多尺度池化适应图像中不同尺度目标,并利用空洞卷积学习目标特征,在更加准确识别目标的同时,提高目标边界的识别精度,在ISPRS Vaihingen数据集上的实验结果表明,提出的多尺度空洞卷积神经网络对于目标边界的拟合结果较为理想。
论文目录
文章来源
类型: 期刊论文
作者: 曲长波,姜思瑶,吴德阳
关键词: 深度学习,语义分割,空洞卷积,多尺度
来源: 计算机工程与应用 2019年24期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 工业通用技术及设备,自动化技术
单位: 辽宁工程技术大学,燕山大学
基金: 国家自然科学基金（No.71771111）
分类号: TP751;TP18
页码: 91-95
总页数: 5
文件大小: 2019K
下载量: 501