针对传统的全卷积神经网络(FCN)语义分割准确率不理想的问题,提出了一种针对上采样方法和激活函数的渐进的新型FCN语义分割的方法。具体做法:将最后一层8倍上采样改为3层二倍上采样并用swish激活函数替换原激活函数,防止维度的骤然提升...针对传统的全卷积神经网络(FCN)语义分割准确率不理想的问题,提出了一种针对上采样方法和激活函数的渐进的新型FCN语义分割的方法。具体做法:将最后一层8倍上采样改为3层二倍上采样并用swish激活函数替换原激活函数,防止维度的骤然提升带来多余的图像损失并减少梯度下降的问题。之后进行完备的实验,使用多个指标进行评价,与传统的FCN进行对比。MIOU(Mean Intersection over Union)指标提高了1.61%,PA(Pixel Accuracy)指标提升了2.01%,分割效果良好,为解决语义分割问题提供了可靠的方案。展开更多
文摘针对传统的全卷积神经网络(FCN)语义分割准确率不理想的问题,提出了一种针对上采样方法和激活函数的渐进的新型FCN语义分割的方法。具体做法:将最后一层8倍上采样改为3层二倍上采样并用swish激活函数替换原激活函数,防止维度的骤然提升带来多余的图像损失并减少梯度下降的问题。之后进行完备的实验,使用多个指标进行评价,与传统的FCN进行对比。MIOU(Mean Intersection over Union)指标提高了1.61%,PA(Pixel Accuracy)指标提升了2.01%,分割效果良好,为解决语义分割问题提供了可靠的方案。