计算机科学与探索

作者：赵小强, 徐慧萍

单位：1. 兰州理工大学 电气工程与信息工程学院，兰州 7300502. 甘肃省工业过程先进控制重点实验室，兰州 7300503. 兰州理工大学 国家级电气与控制工程实验教学中心，兰州 730050

关键词：卷积神经网络（CNN）,特征提取,特征融合,图像语义分割

在图像语义分割中，利用卷积神经网络对图像信息进行特征提取时，针对卷积神经网络没有有效利用各层级间的特征信息而导致图像语义分割精度受损的问题，提出分级特征融合的图像语义分割方法。该方法利用卷积结构分级提取含有像素级的浅层低级特征和含有图像级的深层语义特征，进一步挖掘不同层级间的特征信息，充分获取浅层低级特征和深层语义特征中隐藏的特征信息，接着通过上采样操作细化浅层低级特征信息后对所有特征信息进行合并融合，最终实现分级特征融合的图像语义分割。在实验方面，通过多次分解实验验证了所提方法在不同阶段所提取的特征信息和不同网络深度时的特征信息对语义分割结果的影响。同时在公认的图像语义分割数据集PASCAL VOC 2012上，与3种主流方法进行实验对比，结果显示所提方法在客观评价指标和主观效果性能方面均存在优越性，从而验证了该方法可以有效地提升语义分割的精度。

来源：2021年第5期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2021年第5期