本發明涉及一種改進空洞卷積和多層次特征信息融合的圖像語義分割方法,包括以下步驟:使用改進的空洞卷積方法在深度卷積神經網絡中提取圖像特征;將提取的深層特征圖像與淺層特征圖像級聯融合彌補空間信息丟失;將多階段處理后的特征圖像通過邊界細化學習邊界信息,融合并恢復至原始圖像分辨率,生成預測分割圖;利用交叉熵損失函數訓練網絡,以mIoU評價模型性能。本發明改進了現有空洞卷積的利用方法并設計了可變形空間金字塔結構,提升模型的圖像特征提取效果。同時,為圖像分辨率恢復設計了多層次特征信息融合結構,充分利用不同層級包含的局部信息以及全局信息,并引入邊界細化,有效提高圖像語義分割的準確率。
聲明:
“改進空洞卷積和多層次特征信息融合的圖像語義分割方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)