官申珂，林 晓，郑晓妹，朱媛媛，马利庄

结合超像素分割的多尺度特征融合图像语义分割算法

官申珂1，林 晓1，郑晓妹1，朱媛媛1，马利庄2

(1. 上海师范大学信息与机电工程学院，上海 200234；2.上海交通大学电子信息与电气工程学院，上海 200240)

深度学习的发展加快了图像语义分割的研究。目前，最有效的图像语义分割研究方法大部分都是基于全卷积神经网络(FCNN)，尽管现有的语义分割方法能有效地对图像进行整体分割，但对于图像中的重叠遮挡物体不能清晰地识别出边缘信息，也不能有效地融合图像高低层的特征信息。针对以上问题，在采用FCNN来解决图像语义分割问题的基础上，利用超像素分割对物体边缘的特殊优势作为辅助优化，对粗糙分割结果进行优化。同时在FCNN中利用空洞卷积设计了一个联合局部跨阶段的多尺度特征融合模块，其能有效地利用图像的空间信息。此外还在网络的上采样模块中加入跳跃连接结构，用来增强网络的学习能力，在训练过程中采用2个损失函数来保证网络稳定收敛和提升网络的性能，图像语义分割网络在公开的数据集PASCAL VOC 2012上进行训练测试。实验结果表明，该改进算法在像素精度和分割准确率方面均有提升，且具有较强的鲁棒性。

全卷积神经网络；多尺度特征融合；超像素分割

1 相关介绍

近年来，图像语义分割已成为计算机视觉领域中研究最为广泛的问题之一。随着场景理解[1-2]、自动驾驶[3]、医学图像处理[4-5]、图像分割[6]等计算机视觉问题研究的深入，图像语义分割作为上述研究的基础，也变得越来越重要。……