Abstract：
针对DeepLabv3+网络对多个目标图像的分割性能不够优越、容易丢失图像的细节信息、产生分割断裂等问题,提出一种基于改进DeepLabv3+网络的图像语义分割方法.首先,在空洞空间金字塔池化ASPP模块中添加空洞卷积分支,并将不同空洞卷积分支与输入特征拼接,实现不同感受野下的多通道特征信息融合;其次,在ASPP模块后引入PSA注意力机制,减少特征提取时的信息损失.实验结果表明,与原DeepLabv3+网络相比,改进DeepLabv3+网络模型在PASCAL VOC 2012数据集上MIoU总体提高了1.62％,在自制数据集上MIoU总体提高了0.63％,验证了改进DeepLabv3+网络模型的良好分割性能以及在现实场景下的可行性.
Keyword：
Reprint 's Address：
Email：
Version：
Source ：
智能计算机与应用
ISSN： 2095-2163
Year： 2025
Issue： 4
Volume： 15
Page： 17-24
Cited Count：
SCOPUS Cited Count：
ESI Highly Cited Papers on the List： 0 Unfold All
WanFang Cited Count：
Chinese Cited Count：
30 Days PV： 0
Affiliated Colleges：
