论文部分内容阅读
图像语义分割是计算机视觉领域的一个重要研究方向,其任务核心是把图片中的每一个像素按照其所属对象的类别进行分类。由于同时提供了高阶语义分类信息和低阶像素点的位置信息,图像语义分割是图像分析中不可或缺的关键步骤,并为背景分离、人体解析、场景感知和自动驾驶等更复杂的应用提供了底层支持。图像语义分割的核心难点在于判别任意一个像素点的高阶语义类别。同一类别属性的物体在不同的图片中,通常呈现出不同的色彩、纹理和形状;不同类别属性的物体在特定的情况下也可能在局部区域相似。传统方法中,人们通过手工构造的特征来解决像素分类问题,但效果并不理想。随着深度学习的兴起,人工构造的特征逐渐被数据训练产生的特征所取代,深度学习本身也成为了计算机视觉的标准工具。本文立足于深度学习,结合图像语义分割中的实际难点,做出了以下几个方面的研究工作:1.基于“全卷积神经网络”,构建了图像语义分割的基础模型。该方法在原来的基础上,改进了基础网络结构,引入了更底层的网络特征,性能较原始框架有一定的提升,并作为了后续实验的基础对照模型。2.结合图像语义分割的特点和图像分类的方法,提出了“全局卷积网络”的设计思路。这种特殊的网络结构设计,有效地解决了深度学习中“有效感受野”不够充分的问题,并保证了在同等条件下参数较少,性能最优。3.通过分析图像语义分割的边缘分割精度,提出了“边缘精炼网络”的设计思路。这种简单的网络结构能有效地解决图像语义分割中因特征图缩小而引起的边缘模糊问题,使得整体框架的性能得到了提升,特别是最终分割的视觉效果。4.在不同的数据集上试验上述两种方法,均取得了实质性的性能提升,验证其有效性和普适性。