×

基于Deeplabv3架构的串联空洞卷积神经网络

消耗积分:0 | 格式:pdf | 大小:0.47 MB | 2021-04-29

分享资料个

　　室外网球场实景环境下的语义分割是开发网球运动服务机器人需要解决的一项关键技术。针对室外网球场环境由于光照、视角等因素的变化导致难以进行精细分割的问题，提出一种基于 Deeplabv3架构的串联空洞卷积神经网络 Sacnet.该模型扩展了空洞卷积的多尺度模块，通过奇偶混合扩张率增大训练中特征图感受野，利用分组卷积减小 Sacnet模型时空复杂度。为克服小样本训练容易过拟合的问题，在经过预训练残差神经网络 Resnet-50的基础上，通过冻结批量归一化（BN）层进行迁移学习在自制小样本网球场数据集上进行实验结果表明， Sacnet比现有Deeplabv3模型在测试精度提高了10.22%，且对于网球场边界和小目标语义分割结果更加准确。

下载并关注上传者 开通VIP，低至0.08元下载/次

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉

评论(0)
发评论

下载排行榜

全部0条评论

快来发表一下你的评论吧 !