科研之友
微信
新浪微博
Facebook
分享链接
摘要
卷积神经网络进行实时图像语义分割时，处理大片色彩变化较小的像素区域时会存在计算的空间冗余，同时轻量级网络进行特征提取时的精度较低。针对上述两个问题，利用改进后MobileNet v3和轻型高频采样（OTCHL）模块设计了一种实时语义分割网络。首先利用hard-swish激活函数对轻量级网络MobileNet v3进行精度补偿，提出改进后的MobileNet v3特征提取网络；其次基于八度卷积设计OTCH-L模块，解决空间冗余问题，在保证精度的同时，降低模型计算量。在Pascal VOC2012数据集上进行训练实验，并在Pascal VOC2007数据集上对模型进行验证。实验结果表明，所提模型分割速度达到25.94 frame/s，分割平均交并比（MIoU）达70.34%。相比主流语义分割模型SegNet、PSPNet、DeepLab v3 plus，所设计模型在维持分割精度的前提下，分割速度有显著提升。
- 单位
