Abstract：
在图像的采集过程中,?图像往往会带有一定的噪声信息,?这些噪声信息会破坏图像的纹理结构,?进而干扰语义分割任务.?现有基于带噪图像的语义分割方法,?大都是采取先去噪再分割的模型.?然而,?这种方式会导致在去噪任务中丢失语义信息,?从而影响分割任务.?为了解决该问题,?提出了一种多尺度多阶段特征融合的带噪图像语义分割的方法,?利用主干网络中各阶段的高级语义信息以及低级图像信息来强化目标轮廓语义信息.?通过构建阶段性协同的分割去噪块,?迭代协同分割和去噪任务,?进而捕获更准确的语义特征.?在PASCAL?VOC?2012和Cityscapes数据集上进行了定量评估,?实验结果表明,?在不同方差的噪声干扰下,?模型依旧取得了较好的分割结果.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
计算机系统应用
ISSN： 1003-3254
CN： 11-2854/TP
Year： 2023
Issue： 3
Volume： 32
Page： 58-69
Cited Count：
WoS CC Cited Count： 0
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
