基于深度学习的图像语义分割算法研究

摘要

基于深度学习的图像语义分割算法可以提高图像分割的精度,其优越性远大于传统机器学习算法,主要体现在分割速度快和分割精度更精准。但是由于浅层网络输出的特征图中信息主要为局部信息,深层网络输出的特征图中主要为全局信息,经常面临着语义和位置信息不可兼得的问题。提出以Res Net-34为骨架,用迁移学习的方法在训练好的网络权重上进行微调,使用跳跃连接将浅层特征与深层特征融合起来用以丰富特征图的信息,同时引入注意力机制,使整个模型对图像的不同位置有侧重点,以此来提高分割的精度。通过在Cam Vid数据集上的实验表明,该方法比传统的全卷积网络模型在分割准确率上有所提升。