语义分割任务是对图像中的物体按照类别进行像素级别的预测,其难点在于在保留足够空间信息的同时获取足够的上下文信息。为解决这一问题,文中提出了全局双边网络语义分割算法。该算法将大尺度卷积核融入 Bisenet网络中,在Bisenet网络原有的空间路径和上下文路径两条分攴的基础上増加全局路径分攴,使网络能够捕获更多的上下文信息,冋时提出将 Bisenet网络中的注意力优仳模块和特征融合模埉中的全局池化模抉替换为全局卷积模块,进一步提高了网络获取上下文信息的能力,从而使预测结果更加准确。实验结果表明,该算法在 Cityscapes数据集上将交并比(MIoU)指标提高了0.84%,获得了优于 Bisenet网络的表现。
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
全部0条评论
快来发表一下你的评论吧 !