基于深度学习的图像分割研究_张明月

基于深度学习的图像语义分割的主要思路是，使用像素级标注的图像，利用上采样、反卷积等特殊层，将普通卷积网络提取到的特征再还原回原图像尺寸，从而实现一种端到端的学习。本文在借鉴已有网络的基础上，提出了一种叫Fast-SegNet的网络新架构，新架构使用了最新的残差网络结构，结合了稀疏卷积、分解卷积等操作，配合批归一化，将网络深度做到了28层，在提高了精度的同时，依然保持了运行的速度。通过迁移学习的训练方法，加快了网络的收敛速度和精度。另外，本文提出了一套对图像进行像素级标注的工具和流程,并编写了图像像素级标注检查工具，采集了吉林大学校园里的街景，合格标注了1566张照片，并在其上面训练了Fast-SegNet，取得了不错的效果，平均联合交叉度量mIo