基于全卷积神经网络的非对称并行语义分割模型

李宝奇; 贺昱曜; 何灵蛟; 强伟

doi:10.3969/j.issn.0372-2112.2019.05.012

您当前的位置：

首页 >

文章列表页 >

基于全卷积神经网络的非对称并行语义分割模型

学术论文 | 更新时间：2025-07-16

- 基于全卷积神经网络的非对称并行语义分割模型
- Asymmetric Parallel Semantic Segmentation Model Based on Full Convolutional Neural Network
- 电子学报 2019年47卷第5期页码：1058-1064
- 作者机构：
  
  西北工业大学航海学院,陕西,西安,710072
- 作者简介：
- 基金信息：
  
  国家自然科学基金 (No.61271143）
- DOI：10.3969/j.issn.0372-2112.2019.05.012
  中图分类号： TP183
- 网络出版：2019-05-25，
  
  纸质出版：2019
- 稿件说明：
移动端阅览
李宝奇, 贺昱曜, 何灵蛟, 等. 基于全卷积神经网络的非对称并行语义分割模型[J]. 电子学报, 2019,47(5):1058-1064.

LI Bao-qi, HE Yu-yao, HE Ling-jiao, et al. Asymmetric Parallel Semantic Segmentation Model Based on Full Convolutional Neural Network[J]. Acta Electronica Sinica, 2019, 47(5): 1058-1064.
李宝奇, 贺昱曜, 何灵蛟, 等. 基于全卷积神经网络的非对称并行语义分割模型[J]. 电子学报, 2019,47(5):1058-1064. DOI： 10.3969/j.issn.0372-2112.2019.05.012.

LI Bao-qi, HE Yu-yao, HE Ling-jiao, et al. Asymmetric Parallel Semantic Segmentation Model Based on Full Convolutional Neural Network[J]. Acta Electronica Sinica, 2019, 47(5): 1058-1064. DOI： 10.3969/j.issn.0372-2112.2019.05.012.

摘要

针对RGB图像具有丰富的色彩细节特征，红外图像对目标轮廓、尺寸、边界等外形特征有较高敏感度的特点，提出了一种非对称并行语义分割模型APFCN（Asymmetric Parallelism Fully Convolutional Networks）.APFCN上路设计了一个卷积核尺寸非统一的五层空洞卷积网络来提取红外图像目标高层轮廓特征；下路沿用卷积加池化网络提取RGB图像三个尺度上的细节特征；后端将红外图像高层特征与RGB图像三个尺度的细节特征进行融合，并将4倍上采样后的融合特征作为语义分割输出.结果表明，APFCN在像素精度和交并比等方面均优于FCN（输入为RGB图像或红外图像），适用于背景一致下地面目标的语义分割任务.

Abstract

Aiming at that RGB image is rich in color details of scene and infrared image is sensitive to outline、size and boundary of target

a novel semantic segmentation model APFCN (Asymmetric Parallelism Fully Convolutional Networks) is proposed.In the upper part of APFCN

a five layer dilation convolution network

where the five kernel sizes are not uniform

is designed used to extract the high-level targets contour features of infrared image.In the lower part of APFCN

a classical CNN network is used to extract three scale features of RGB images.At the back of APFCN

the high level features of the infrared image are fused with the three scale features of the RGB image

and the fused features after 4 times upper sampling is used as the semantic segmentation output of APFCN.The results show that APFCN is better than FCN (input RGB image or infrared image) in PA (Pixel Accuracy) and MIoU (Mean Intersection over Union).APFCN is suitable for the semantic segmentation task of ground targets with consistent background colors.

关键词

Keywords

references

浏览量

497

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

DFRNet：融合扩散-聚焦物理机制的语义分割模型研究

一种基于课程学习的胚胎图像语义分割方法

多注意力融合的环高原湖泊遥感影像分割

基于语义与形态特征融合的语义分割网络