面向连续图像序列的语义分割

作者：邹序焱; 何汉武; 吴悦明

来源：现代电子技术, 2022, 45(14): 127-131.

DOI：10.16652/j.issn.1004-373x.2022.14.023

• 语义分割
• 图像序列
• 深度学习
• 相似性
• 图像处理
• 卷积神经网络
• 损失函数
• 数据标注

为弥补传统语义分割模型忽略时间维度上信息的不足，文中提出一种时间连续的语义分割模型。该模型在经典的U-Net语义分割模型基础上，利用前几帧分割的结果，添加时间维度上的图像特征模块；再通过特征融合模块对各部分的特征图进行融合；最后，利用融合的特征对像素进行分类。为验证所提出模型的分割效果，采集连续图像数据集并利用Labelme对其进行标注，在该数据集上进行训练和测试。结果表明，在同等条件下，基于时间连续的语义分割模型在Dice系数、精确率和召回率方面均高于U-Net网络，对运动模糊图像的语义分割效果也较好，说明该方法能够改善语义分割效果。

• 单位
  广东工贸职业技术学院; 宜宾学院; 广东工业大学