一种基于深度学习的轻量级目标语义分割方法

摘要

本发明提出了一种基于深度学习的轻量级目标语义分割方法。该方法的关键在于构建二维语义分割网络结构，在满足轻量化的基础上提高分割精度，并能解决多尺度目标分割问题。选取轻量化网络MobileNet v2模型的骨干网络，提出边界约束网络提高对边界分割的处理能力，从而可以同时满足分割的实时性与准确性。设计具有多尺度性质的金字塔池化模块，利用多次金字塔池化融合不同尺度的特征信息，可保证分割网络对多尺度目标分割的适用性。本发明针对目标的分割问题，研究对MobileNet v2模型的骨干网络的下采样特征图尺寸进行扩大，补全MobileNet v2模型丢失的图像的部分特征，提高了基于MobileNet v2模型对目标的分割精度。