基于DeepLab的物体部件分割网络

作者：赵霞^*; 倪颖婷

来源：模式识别与人工智能, 2020, 33(03): 211-220.

DOI：10.16451/j.cnki.issn1003-6059.202003003

• 卷积神经网络
• 物体部件分割
• 可形变卷积

针对现有部件分割精度较低、泛化性和精度无法兼顾等问题,文中提出基于DeepLab的物体部件分割网络(DeepLab-MAFE-DSC).网络的编码器部分提出多尺度自适应形态特征提取模块(MAFE),利用可形变卷积增强模型对不规则轮廓的处理能力,并采取先级联再并行相加的采样模式,兼顾全局和局部信息.解码器部分设计基于跳跃式架构的解码器模块(DSC),同时连接深层的语义信息和浅层的表征信息.在数据集上的实验表明,DeepLab-MAFE-DSC具有简单、分割精度较高、泛化性较强的优点.

• 单位
  同济大学