基于改进的IIE-SegNet的快速图像语义分割方法

作者：李庆; 王宏健^*; 李本银; 肖瑶; 迟志康

来源：哈尔滨工程大学学报（英文版）, 2024, (02): 1-10.

• 语义分割
• 深度学习
• 多尺度空洞卷积空间金字塔池化
• 图像信息熵
• 全局加平均
• VGG16
• IIE-SegNet

针对IIE-SegNet计算复杂度高、计算量大等问题，本文提出一种基于IIE-SegNet的改进方法。编码结构中引入经ImageNet训练过的VGG16和多尺度空洞卷积空间金字塔池化来获得丰富的编码信息；解码结构中，设计全局加平均模块来解决IIE-SegNet计算量大的问题；研究Focal损失函数来解决正、负采样不平衡的问题。实验结果表明：与IIE-SegNet相比，本方法在PASCAL VOC 2012数据集上的语义分割速度更快，平均每次迭代快0.6s左右，测试单张图像的时间平均减少了0.94s；分割精度更高，MIoU提升了2.1%。在扩展的PASCAL VOC 2012（Exp-PASCAL VOC 2012）数据集上的语义分割速度更快，平均每次迭代快0.4s左右，测试单张图像的时间平均减少了0.92s；分割精度更高，MPA和MIoU分别提升了2.6%和2.8%，特别是对于小尺度目标分割边界更清晰，性能得到了很大的提升。

• 单位
  烟台南山学院; 哈尔滨工程大学