改进DeepLabV3+模型在壁画分割中的应用

作者：曹建芳^*; 田晓东; 贾一鸣; 闫敏敏

来源：计算机应用, 2021, 41(05): 1471-1476.

• 壁画分割
• 多尺度信息融合
• 深度可分离卷积
• 倒转残差
• 空间金字塔池

针对古代壁画图像分割过程中出现的目标边界模糊、图像分割效率低等问题,提出一种融合轻量级卷积神经网络的多分类图像分割模型MC-DM,该模型将Deep Lab V3+结构和Mobile Net V2相结合,利用Deep Lab V3+特有的空间金字塔结构对壁画的卷积特征进行多尺度融合,从而减少壁画分割时的图像细节损失。首先,通过Mobile Net V2对输入图像进行特征提取,从而在确保图像信息准确提取的同时减少耗时;其次,通过空洞卷积处理图像特征,从而扩展感受野,并在不改变参数数量的情况下得到更多的语义信息;最后,采用双线性插值的方法对输出特征图像进行上采样,以得到像素级的预测分割图,从而最大限度保证图像分割的准确性。在Jet Brains Py Charm Community Edition2019环境下,利用以1 000张壁画扫描图片制作而成的数据集进行测试,实验结果表明,MC-DM模型较传统的基于Seg Net的图像分割模型在训练精确度上提升了1个百分点,较基于PSPNet的图像分割模型在精确度上提升了2个百分点,且MC-DM模型的峰值信噪比(PSNR)较实验对比模型平均提高了3～8 dB,充分验证了该模型在壁画分割领域的有效性。所提模型为古代壁画图像分割提供了新的思路。

• 单位
  太原科技大学; 忻州师范学院