| 基于RGB-D图像和深度学习的场景语义分割网络 |
| |
| 作者姓名： | 代具亭 汤心溢 刘鹏 邵保泰 |
| |
| 作者单位： | 中国科学院上海技术物理研究所,中国科学院上海技术物理研究所,中国科学院上海技术物理研究所,中国科学院上海技术物理研究所 |
| |
| 基金项目： | 国家十三五国防预研项目(Jzx2016-0404/Y72-2),中国科学院青年创新促进会(2014216),上海市现场物证重点实验室基金资助项目(2017xcwzk08) |
| |
| 摘 要： | 近年来,深度卷积神经网络应用于图像语义分割领域并取得了巨大成功。本文提出了一个基于RGB-D(彩色-深度) 图像的场景语义分割网络。该网络通过融合多级RGB网络特征图和深度图网络特征图,有效提高了卷积神经网络语义分割的准确率。同时,本文利用带孔的卷积核设计了具有捷径恒等连接的空间金字塔结构来提取高层次特征的多尺度信息。在SUN RGB-D数据集上的测试结果显示,与其它state-of-the-art的语义分割网络结构相比,本文所提出的场景语义分割网络性能突出。
|
| 关 键 词： | RGB-D 卷积神经网络 语义分割 特征融合 空间金字塔 |
| 收稿时间： | 2018-01-23 |
| 修稿时间： | 2018-03-29 |
|
| 点击此处可从《科学技术与工程》浏览原始摘要信息 |
|
点击此处可从《科学技术与工程》下载免费的PDF全文 |
|
