【摘 要】
：
图像语义分割是指根据图像中像素的语义信息对图像进行分类分割的方法,是计算机视觉领域的一项重要任务。基于深度学习的图像语义分割网络近年来得到快速发展,但仍存在参数量以及计算量大,模型较为复杂,以及不能很好地处理图像中的小目标物体,模型分割精度很难提升等问题。本文针对当前的语义分割网络参数量和计算量大以及小目标物体的语义分割问题展开研究,主要工作和创新点如下:1、针对网络参数量以及计算量大的问题,提出
论文部分内容阅读
图像语义分割是指根据图像中像素的语义信息对图像进行分类分割的方法,是计算机视觉领域的一项重要任务。基于深度学习的图像语义分割网络近年来得到快速发展,但仍存在参数量以及计算量大,模型较为复杂,以及不能很好地处理图像中的小目标物体,模型分割精度很难提升等问题。本文针对当前的语义分割网络参数量和计算量大以及小目标物体的语义分割问题展开研究,主要工作和创新点如下:1、针对网络参数量以及计算量大的问题,提出一种轻量级图像语义分割网络MUNet。该网络通过使用深度可分离卷积来设计网络,极大地降低模型参数量以及计算量;通过添加稀疏的短连接设计,补充了经过下采样丢失的特征细节;通过添加注意力机制GC模块,加强对任务有利的特征表达,进一步提升网络分割精度;通过使用组归一化方法,一定程度上解决了批尺寸设置较小时的归一化问题。在Cam Vid数据集上的实验结果表明,与常规的语义分割网络以及其他轻量级语义分割网络相比,MUNet网络具有参数量和计算量较小,同时分割精度相对较好的特点,在参数量以及计算量和分割精度之间是较好的折中。2、针对小目标物体的语义分割问题,提出一种基于多尺度输入图像融合的语义分割网络ASNet。该网络在Deep Lab V2网络的基础上,设计了新的条形池化模块,通过细窄池化核提取较长范围内的局部特征,增强了小目标物体的特征表达;设计了新的非对称卷积增强模块,增强了条形池化模块的输入特征信息;设计了新的网络损失函数,进一步提高模型分割精度;设计了新的多尺度输入图像融合框架,将不同尺度的输入图像获得的特征信息很好地进行融合,较大地提高图像中小目标物体的分割效果。在PASCAL VOC 2012增强数据集以及Cityscapes数据集上的实验结果表明,该网络能较好地对小目标物体进行语义分割,从而提升模型整体的分割精度。本文提出的两种方法,均在公开数据集上进行了详细对比实验,实验结果验证了本文方法的有效性。
其他文献
随着工业互联网建设的大力推进,工业控制系统网络逐渐从封闭式向开放式转变,但工控安全系统的发展相对而言却有些落后。近年来,工业控制领域的攻击事件逐年上升。由于工业控制系统重点应用于许多与民生紧密相关的领域,一旦这些领域的工业控制系统遭到攻击,将会产生非常恶劣的影响。而入侵检测是一种可以保护系统安全的有效措施,可以有效地发现安全威胁。因此,近年来,针对工业控制系统的入侵检测受到了相关从业人员和研究学者
文本分类任务属于自然语言处理（Natural Language Processing,NLP）领域中的一个基础且十分重要的子任务。该任务旨在为一段文本打上对应的标签。比如对新闻文本数据进行主题分类,对电商平台的用户评论进行星级预测等。随着互联网数据的爆发式增长,如何对这些庞杂的文本数据进行分类已成为了一个非常重要的研究方向。目前最常见的文本分类方法主要都是基于深度学习模型的,其中主要包括卷积神经网
沉浸式投影被广泛运用到人机交互、增强现实与虚拟现实等领域。为了达到真实的视觉体验,通常采用包围式投影屏幕和多投影技术。由于投影屏幕的非平面特性及投影仪数目众多,投影光在传播过程中产生了复杂的互反射效应,导致投影画面亮度冗余,质量退化,干扰了用户的沉浸感体验,甚至对虚拟现实等系统的实际使用造成严重阻碍。因此,互反射补偿对实现投影图像的高质量重现具有重要的实用价值。传统互反射补偿方法通常采用多模块解决
推荐系统通过对海量的用户与物品间的交互数据进行处理,向用户进行个性化推荐。会话推荐是推荐系统中的一个重要分支,旨在解决匿名用户的推荐结果不准确的问题。会话推荐能够对用户进行实时性推荐,仅根据用户的历史点击操作就能为用户进行相关推荐,给用户带来良好的使用体验。目前,会话推荐方法主要分为三类,分别是基于传统机器学习的方法、基于深度学习的方法以及基于图神经网络的方法。通过对这三类方法的分析和总结,发现现
卷积神经网络在多种场景中成为了优秀的解决方案。在移动终端设备上部署卷积神经网络产品已具备现实需求,如短视频特效、智能无人机、智能相机和野外草本识别等场景。特别地,无网、弱网或禁网的隧道、洞穴和军工等场景也具有硬需求。卷积神经网络产品需要对大量的浮点数进行存储和计算,对存储器、算力、功耗等资源需求较高。因此,为了在移动终端上部署卷积神经网络产品,需要对资源消耗进行优化。本文内容是研究如何将卷积神经网
随着社会信息化程度的提高,图像采集设备也得到了大量地普及,由此数字图像已经成为了重要的信息载体。在现实应用中,由于成像系统自身存在缺陷,以及考虑到网络传输时延和存储空间等限制,数字图像通常以较低分辨率的形式存在。图像超分辨率就是对较低分辨率图像进行复原,其不但能改善图像在视觉层面的感知质量,又可以为后续的高级计算机视觉任务打下基础,因此也是底层视觉任务中一直都很活跃的话题。近年来,基于深度学习的单
基因变异鉴定（variant calling）是生物信息学中一项重要的研究,而基因变异中的单核苷多态性位点（Single Nucleotide Polymorphism,SNP）和InDel（Insertion and Deletion）是基因变异中非常常见的变异类型。其随着测序技术的发展也一直在不断深入研究,现有的基因变异鉴定技术在第二代测序数据上表现较为成熟,但在近些年兴起的第三代测序数据上几
基于深度强化学习的推荐算法具有灵活的推荐策略并且考虑了用户未来的长期交互体验,所以受到了越来越多的研究人员的关注。虽然有很多与基于深度强化学习的推荐算法相关的研究工作,但是现有的研究工作仍然面临以下两个挑战:第一个挑战是现有的深度强化学习推荐算法在学习用户偏好时没有考虑到用户的临时偏好。在用户的历史交互记录中总会存在一些很少出现并且脱离用户一般偏好的非典型的交互。由于用户偏好的动态本质,用户的非典
国画在传承的基础上不断创新,其中工笔画和水墨画成为当今绘画的主流。在传统国画中,花卉的描写是一种重要而经典的表现形式。因此,本文主要针对国画花卉的智能创作开展了一系列研究工作。工笔画在同白描有着同样精确笔触的基础上,通过大量的色彩和精确的笔触来实现对绘画对象的模拟。水墨画更加关注水墨色彩的变化,强调图像浓淡与枯润度表达的和谐性,通过有限的色彩和自然流畅的笔触实现写意的表达。从传统的基于机器学习的方
随着智能监控领域朝全天候化、多场景化的方向发展,在可见光摄像头已有一定部署基础的前提下,红外摄像头也正在被广泛应用。基于可见光与红外图像的跨模态行人重识别受到了越来越多的关注。一方面,通过行人检测得到准确的检测边界框图像作为输入,是行人重识别在实际应用中表现良好的重要基础,然而目前大部分行人检测研究集中于可见光图像而忽略了红外图像。由于不同模态图像本身存在的差异,将可见光行人检测成果直接迁移至红外