基于DeepLab V3＋改进的图像语义分割模型

2021-12-17徐志凡杜洪波韩承霖李恒岳祁新林凯迪黎诗

智能计算机与应用 2021年6期

徐志凡，杜洪波，韩承霖，李恒岳，祁新，林凯迪，黎诗

（沈阳工业大学理学院，沈阳 110870）

0 引言

图像语义分割在计算机视觉领域起着重要的作用，在虚拟现实［1－2］、医学影像［3－4］、人机交互［5－6］等领域有着越来越普遍的应用。

深度学习［7］与传统语义分割算法的结合，使图像语义分割精度得到极大的提升。全卷积网络（FCN）［8］为最初与深度学习结合的网络，其是传统卷积神经网络（CNN）的扩展，为减少计算量FCN 将CNN 中的全连接层转化为卷积层。但FCN 产生的分割图较为粗略。SegNet［9］为了提高效果，复制了最大池化指数，引入更多的跳跃连接。这些语义分割模型在空间分辨率方面有着明显的缺陷，于是RefineNet［10］利用残差连接的思想，降低了内存使用量，提高了模块间的特征融合。由于基于FCN 的很多架构都未引入充分的全局信息，PSPNet［11］提出了一个金字塔池化模块，充分利用了局部信息与全局信息，使得最后的分割结果更加精确。综上所述可以发现，提高图像语义分割的精确度是目前的主要研究方向和热点。

Google 团队自2015 起提出了一系列DeepLab模型［12－15］，在语义分割领域有着重要作用。虽然其中的DeepLab V3＋模型的分割效果最优，但其在解码器部分对于特征图的多尺度连接不够充分，使最终的语义分割图的分割精细度尚有提高的空间。本文据此提出了一种基于DeepLab V3＋改进的模型，优化了编码器与解码器部分，在公开数据集上进行验证，结果表明MIoU 相较于原模型有所提高。