题名
基于DeepLab的物体部件分割网络
DOI
作者
赵霞 倪颖婷 ​
作者单位
同济大学电子与信息工程学院
摘要
针对现有部件分割精度较低、泛化性和精度无法兼顾等问题,文中提出基于DeepLab的物体部件分割网络(DeepLab-MAFE-DSC).网络的编码器部分提出多尺度自适应形态特征提取模块(MAFE),利用可形变卷积增强模型对不规则轮廓的处理能力,并采取先级联再并行相加的采样模式,兼顾全局和局部信息.解码器部分设计基于跳跃式架构的解码器模块(DSC),同时连接深层的语义信息和浅层的表征信息.在数据集上的实验表明,DeepLab-MAFE-DSC具有简单、分割精度较高、泛化性较强的优点.
关键词
卷积神经网络；物体部件分割；可形变卷积
刊名
人工智能研究
ISSN
3078-9753
年、卷(期)
20206
所属期刊栏目
工程技术
打印