模式识别与人工智能
2025年4月4日 星期五   首 页     期刊简介     编委会     投稿指南     伦理声明     联系我们                                                                English
模式识别与人工智能  2022, Vol. 35 Issue (1): 71-81    DOI: 10.16451/j.cnki.issn1003-6059.202201007
研究与应用 最新目录| 下期目录| 过刊浏览| 高级检索 |
基于语义传播与前/背景感知的图像语义分割网络
刘漳辉1,2, 占小路1,2, 陈羽中1,2
1.福州大学 计算机与大数据学院 福州 350116;
2.福州大学 福建省网络计算与智能信息处理重点实验室 福州 350116
Image Semantic Segmentation Network Based on Semantic Propagation and Fore-Background Aware
LIU Zhanghui1,2, ZHAN Xiaolu1,2, CHEN Yuzhong1,2
1. College of Computer and Data Science, Fuzhou University, Fuzhou 350116;
2. Fujian Provincial Key Laboratory of Networking Computing and Intelligent Information Processing, Fuzhou University, Fuzhou 350116

全文: PDF (3179 KB)   HTML (1 KB) 
输出: BibTeX | EndNote (RIS)      
摘要 虽然图像语义分割因其有助于更好地分析和理解图像而被广泛应用于多个领域,但是基于全卷积神经网络的模型在语义分割方面依然存在分辨率重构及如何利用上下文信息的问题.因此,文中提出基于语义传播与前/背景感知的图像语义分割网络.首先,提出联合语义传播上采样模块,提取高层特征的全局语义信息与局部语义信息,用于得到语义权重,将高层特征语义传播到低层特征,缩小两者之间的语义差距,再通过逐层上采样实现分辨率重构.此外,还提出金字塔前/背景感知模块,通过两个并行分支提取不同尺度前景特征与背景特征,建立前景与背景间的依赖关系,捕获多尺度的前/背景感知特征,增强前景特征的上下文表示.语义分割基准数据集上的实验表明,文中网络性能较优.
服务
把本文推荐给朋友
加入我的书架
加入引用管理器
E-mail Alert
RSS
作者相关文章
刘漳辉
占小路
陈羽中
关键词 语义分割全卷积神经网络分辨率重构上下文信息    
Abstract:Although image segmentation is widely applied in many fields owing to the assistance of better analysis and understanding of images, the models based on fully convolutional neural networks still engender the problems of resolution reconstruction and contextual information usage in semantic segmentation. Aiming at the problems, a semantic propagation and fore-background aware network for image semantic segmentation is proposed. A joint semantic propagation up-sampling module(JSPU) is proposed to obtain semantic weights by extracting the global and local semantic information from high-level features. Then the semantic information is propagated from high-level features to low-level features for alleviating the semantic gap between them. The resolution reconstruction is achieved through a hierarchical up-sampling structure. In addition, a pyramid fore-background aware module is proposed to extract foreground and background features of different scales through two parallel branches. Multi-scale fore-background aware features are captured by establishing the dependency relationships between the foreground and background features, thereby the contextual representation of foreground features is enhanced. Experiments on semantic segmentation benchmark datasets show that SPAFBA is superior in performance.
Key wordsSemantic Segmentation    Fully Convolutional Neural Networks    Resolution Reconstruction    Contextual Information   
收稿日期: 2021-08-12     
基金资助:国家自然科学基金项目(No.61672158)、福建省自然科学基金面上项目(No.2020J001494)、福建省高校产学合作项目(No.2018H6010)资助
通讯作者: 陈羽中,博士,教授,主要研究方向为计算智能、计算机视觉、数据挖掘.E-mail:yzchen@fzu.edu.cn.   
作者简介: 刘漳辉,硕士,副教授,主要研究方向为数据挖掘.E-mail:lzh@fzu.edu.cn.
占小路,硕士研究生,主要研究方向为计算机视觉、人工智能.E-mail:458919267@qq.com.
引用本文:   
刘漳辉, 占小路, 陈羽中. 基于语义传播与前/背景感知的图像语义分割网络[J]. 模式识别与人工智能, 2022, 35(1): 71-81. LIU Zhanghui, ZHAN Xiaolu, CHEN Yuzhong. Image Semantic Segmentation Network Based on Semantic Propagation and Fore-Background Aware. Pattern Recognition and Artificial Intelligence, 2022, 35(1): 71-81.
链接本文:  
http://manu46.magtech.com.cn/Jweb_prai/CN/10.16451/j.cnki.issn1003-6059.202201007      或     http://manu46.magtech.com.cn/Jweb_prai/CN/Y2022/V35/I1/71
版权所有 © 《模式识别与人工智能》编辑部
地址:安微省合肥市蜀山湖路350号 电话:0551-65591176 传真:0551-65591176 Email:bjb@iim.ac.cn
本系统由北京玛格泰克科技发展有限公司设计开发 技术支持:support@magtech.com.cn