【摘 要】
：
在现实世界中,图像数据包含现实对象的海量信息,是对客观对象的描述或客观的映射。为计算机能够更好的理解现实世界,发展出来多种计算机技术,基于深度学习的语义分割方法能够较好地提取图像高层语义信息,更好地应对自然场景。深度学习语义分割算法中的特征提取部分十分重要。模型越深特征提取能力就越强,但是所得到的特征越抽象。以Deeplab语义分割框架作为基础,提出优化方法,通过对比实验结果说明优化效果的有效性。
论文部分内容阅读
在现实世界中,图像数据包含现实对象的海量信息,是对客观对象的描述或客观的映射。为计算机能够更好的理解现实世界,发展出来多种计算机技术,基于深度学习的语义分割方法能够较好地提取图像高层语义信息,更好地应对自然场景。深度学习语义分割算法中的特征提取部分十分重要。模型越深特征提取能力就越强,但是所得到的特征越抽象。以Deeplab语义分割框架作为基础,提出优化方法,通过对比实验结果说明优化效果的有效性。首先分析了语义分割任务中面临的难点问题,针对这些难点,对Deeplab V3的模型结构进行针对性的优化。优化方法分为三个部分,第一部分优化方法是基础特征提取网络的结构优化,在神经网络浅层阶段更多的捕获更多的空间位置信息。第二部分优化方法是对神经网络深层提取的深层特征图的不同通道进行重要性的区分,对不同通道特征的重要性进行重新的计算。第三部分优化方法是融合浅层特征图与深层特征图,这样可以更多获得空间信息。其次为了更好的提取特征在损失函数设计中添加一个辅助损失,使基础特征提取网络更加关注空间信息。最后为更好训练模型,针对数据的特点与语义分割任务面临的多尺度问题进行数据增强。数据增强的方法有随机翻转,随机缩放并裁剪,随机添加高斯噪声,提升数据的多样性并增加训练数据的多尺度。实验结果之间进行对比,证明优化过后的Deeplab语义分割模型性能得到提升。为了更好的展示结果,使用Py Qt5图像界面框架分别用于搭建分割图像界面。
其他文献
拓扑识别是复杂网络领域非常重要的研究课题之一。拓扑结构不仅在很大程度上决定了网络的动力学行为和功能,而且在网络的研究过程中也起着至关重要的作用。然而实际网络的拓扑往往是未知的或者难以探测的,外界通常只能探测到网络节点随时间的动力学演化信息。因此,如何通过已知的信息推测出网络的精确拓扑有着重要的理论研究意义和实际应用价值。近些年来,基于同步的复杂网络拓扑识别方法取得了许多研究成果。然而这个经典的方法
富互联网应用程序是一种具有传统桌面应用程序特性及功能的Web应用程序,它不仅继承了传统Web应用易于传播的特性,还可以在客户端进行数据的收发和处理。OpenJFX是针对富互联网应用提出的一个现代高效的解决方案,提供了良好的流媒体支持和流畅的动画支持,更丰富的组件和更友好的操作界面。目前,OpenJFX仅支持x86架构和ARM架构,将OpenJFX移植到国产平台有利于丰富国产处理器的软件生态。首先,
随着计算机硬件水平的飞速提升、医疗图像的海量激增,将三维实际物景转换为适合计算机处理的二维平面图像进行处理和分析,已逐渐成为趋势。不同于传统诊断方式,计算机软件系统通过对儿童手部特征图像的识别可以完成对儿童手足口病的辅助诊断。不仅能够充分利用医疗图像、大大节约医疗资源,而且能够实现异地诊断、减轻患儿负担。本文以儿童手部特征为识别对象,利用卷积神经网络模型对儿童手部特征图像进行识别,设计实现了手足口
现代无人艇作为一种高度智能化的无人控制平台,内部控制网络和相关结构单元十分复杂。其控制系统的总线类型多样且互不兼容,加大了数据在无人艇控制系统内部传输和交互的难度,也在一定程度上限制了无人艇的发展。因此,本文在不改变无人艇现有控制网络架构的基础上,提出了一种多总线转换的方案,并基于此方案,设计并实现了无人艇多总线转换及数据监控系统。本文在对团队自主研制的xx68系列无人艇控制系统进行详细分析的基础
在跨境电子商务产业链中,供应链需求预测需要预测每个商品在每个仓库未来的需求量,以便将商品提前准备在全球各个市场的仓库,可有效降低物流时间,极大提升用户体验。本文以供应链需求预测为研究对象,对多种需求预测算法进行了研究,并针对其中存在的异常点检测、商品信息的向量化表示、多步预测等不足之处提出了三个创新点进行改进,提高了需求预测的准确率。首先,在数据处理方面提出一种基于Huber Loss的线性回归方
考试是选拔人才的主要途径,它要求绝对的公平公正,而替考这一考场舞弊行为严重的损害了考试的公平性。因此,如何提高考生身份识别的准确率,保证考试的公平性,具有重大的研究价值。目前的考场签到过程中,多数考场仍然采用人工比对身份证和准考证的方式来判别考生身份,这种方式存在人工开销大、判别出错几率较大的问题。基于此,本论文通过对生物识别技术中人脸识别算法的研究,设计了一套便携式考场签到设备及系统,结合人脸识
随着生活节奏的加快与社会压力的增大,人们因饮食不规律导致患胃肠道疾病的现象愈加严重。近年来,无线胶囊内镜技术已成为检查患者胃肠道的首要选择。然而,一次无线胶囊内镜检查将产生约6万张图像,带给医生后续筛查工作沉重的负担,如何快速有效地从海量图像中识别检测出病变已成为亟待解决的重要问题。神经网络在处理图像问题上有着得天独厚的优势,基于神经网络的医学影像分析为解决这一问题带来新的契机。无线胶囊内镜图像与
随着互联网逐步深入到人们的生活,网络安全问题也影响到社会生活的方方面面,其中以木马和僵尸网络所造成的危害最大。为了躲避网络边界的检测,这类恶意软件通常使用HTTP协议作为应用层协议,把自己的流量隐藏在大量HTTP背景流量当中。传统基于流量模式匹配的检测方法,在面对这类经过伪装的恶意流量时往往无能为力,研究者们开始转向使用机器学习的方法来实施恶意流量检测。而这些方法,往往针对单个HTTP请求数据流进
近年来,随着智能手机和平板电脑广泛普及,互联网社交媒体的用户数量迅速增长,与此同时产生了海量的社交媒体数据。在这样一个信息爆炸的大数据时代,如何挖掘出海量数据背后的价值成为了众多研究者的研究方向。相较于其他数据挖掘方法而言,机器学习无疑是当前应用最广泛且最成熟的。研究人员将社交媒体和机器学习相结合,在分析公众舆论,灾害治理,市场营销等方面已经取得很大的成效。然而不可否认的是,在机器学习技术给我们带