陈孝如

摘要：计算机视觉中图像处理及图像理解是重要技术，图像语义分割对于图像理解具有直接影响。为能够进一步提高图像语义分割准确性以及效率，提出一种基于全卷积网络的图形语义分割可将任意尺寸图片输入其中，端对端实施像素级分割，能够显著提高分割准确度。但是在实际应用中，容易出现分辨率低问题，为提升图像语义分割精度，该文从FCN基础实施改进，减少池化步长、实现多尺度池化和叠加高层语义因此以及改进代价函数。针对研究算法在PASCAL VOC 2012数据集上对其实施验证以及评测，研究结果发现这一算法和原有算法相比平均交并比得到相助提升，达到0.6%。

关键词：全卷积网络;图像语义;分割算法

中图分类号：TP393        文献标识码：A

文章编号：1009-3044（2021）33-0012-02

开放科学（资源服务）标识码（OSID）：

在深度学习以及全卷积网络发展中，有效促进了图像语义分割发展，在无人驾驶、机器导航以及医疗诊断等中有广泛应用。图像语义分割算法能够实现图像的像素级分类，以此得到图像整体信息。全卷积网络是当前一个重要图像语义分割算法，效果好，具有创新性，能够将卷积神经网络全连接层采用卷积层进行替换，且在像素级分类任务中具有应用价值。但是全卷积神经网络图像语义分割算法在实际应用中，也存在一定问题，例如分辨率低、前景和背景分布不平衡、上下文推断能力不足等等，为进一步提高图像语义分割算法准确度，需要实现对其算法实施改进，本次基于FCN基础实施改进，对其算法和应用效果实施验证及评测。……