科研之友
微信
新浪微博
Facebook
分享链接
摘要
随着深度学习方法的不断发展,基于深度卷积网络特征的语义分割已经成为自动驾驶、室内导航、遥感制图等领域视觉感知应用的一项重要技术。然而对于多样性变化背景中的目标图像,现有基于局部上下文卷积特征的语义分割方法仍然存在分类精度低的问题。为此,提出了基于可变向卷积网络的语义分割算法。首先,在特征图每一个像素点上预测对象主要观测方向,然后在这个主要的方向上通过卷积运算来预测对象的类别。考虑到对象的尺度的变化,算法在预测像素点类别时,使用空洞卷积在多个尺度下进行预测。相比于一般的语义分割网络,算法在多个方向选择性地利用显著的语义特征,融入更可分的上下文,提高了网络的识别能力。算法在PASCAL VOC2012公开数据集上取得了更优的结果。
-
单位自动化学院; 华中科技大学
