本发明涉及一种改进空洞卷积和多层次特征信息融合的图像语义分割方法,包括以下步骤:使用改进的空洞卷积方法在深度卷积神经网络中提取图像特征;将提取的深层特征图像与浅层特征图像级联融合弥补空间信息丢失;将多阶段处理后的特征图像通过边界细化学习边界信息,融合并恢复至原始图像分辨率,生成预测分割图;利用交叉熵损失函数训练网络,以mIoU评价模型性能。本发明改进了现有空洞卷积的利用方法并设计了可变形空间金字塔结构,提升模型的图像特征提取效果。同时,为图像分辨率恢复设计了多层次特征信息融合结构,充分利用不同层级包含的局部信息以及全局信息,并引入边界细化,有效提高图像语义分割的准确率。
声明:
“改进空洞卷积和多层次特征信息融合的图像语义分割方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)