一种基于改进的多尺度全卷积网络语义分割方法

摘要

本发明公开了一种基于改进的多尺度全卷积网络语义分割方法，该发明在语义分割图片时具有通用性，主要是针对复杂场景图片的语义分割。该专利以类别数目较多的PASCAL Context数据集为例，针对类别较多的情况，将VGG19网络中的全连接层改为卷积层使网络变为具有语义分割代表性的编码器‑解码器结构。加入跳跃结构来提取网路不同层级的特征，加入残差网络解决网络深度导致的梯度消失和爆炸问题，加入并改进了ASPP空洞空间池化金字塔来进行多尺度语义信息提取与融合。在上采样时采用反卷积的方法来提高解码器恢复的性能。基于改进的多尺度全卷积网络语义分割算法模型能够精准的进行图像语义信息的提取，在类别较多的复杂场景下也能够取得较好的识别效果。