基于深度残差网络和双向GRU的图像语义分割

在图像语义分割领域中，大多数方法是基于CNN网络构建的，由于CNN很难对全局上下依赖关系进行建模，从而影响语义分割的结果。为此，本研究提出基于深度残差网络和双向GRU的图像语义分割模型ResNet-BiGRU，该模型充分利用CNN局部特征学习的能力和双向GRU全局建模的优势，在Weizmann Horse数据集上进行试验，得到分辨率高、边界清晰的语义分割结果。