一种新的多尺度深度学习图像语义理解方法研究

如何在深度学习中融合图像的多尺度信息,是基于深度学习的视觉算法需要解决的一个关键问题。本文提出一种基于多尺度交替迭代训练的深度学习方法,并应用于图像的语义理解。算法采用卷积神经网络(CNN)从原始图像中提取稠密性特征来编码以每个像素为中心的矩形区域,将多个尺度图像交替迭代训练,能够捕获不同尺度下的纹理、颜色和边缘等重要信息。在深度学习提取特征分类结果的基础上,提出了一种结合超像素分割的方法,统计超像素块的主导类别,来校正分类错误的像素类别,同时描绘出目标区域边界轮廓,完成最终的语义理解。在Stanford Background Dataset 8类数据集上验证了本文方法的有效性,准确率达到77.4%。