使用九点双三次卷积插值方法改进的Deep Lab-v3模型

针对Deep Lab-v3模型中双线性插值方法只能从邻近的四个抽样点提取信息,导致图像分割的精确度下降问题,提出两个改进的Deep Lab-v3模型,即IDL-v3-1(improved Deep Lab-v3-1 model)和IDL-v3-2(improved Deep Lab-v3-2 model)。两个改进的模型使用九点双三次卷积插值方法替换Deep Lab-v3模型的双线性插值方法,以获得更精确的分割图像。在PASCAL VOC 2012数据集上检验发现,与Deep Lab-v3模型相比,IDL-v3-1和IDLv3-2的精确度分别提升了0.43%和0.59%,分割每张图像的耗时量分别增加了0.002 s和0.005 s。实验结果表明,改进的Deep Lab-v3模型可以在与Deep Lab-v3模型相近的时间成本内达到更高的图像分割精度。

双三次卷积模板插值算法的FPGA实现

为了能在硬件上实现高质量、高效果的视频图像缩放、旋转等,文章研究分析了双三次插值算法的实现,对双三次插值计算进行离散化,得到相应的计算模板,简化计算过程。提出了一种在FPGA上实现双三次卷积模板算法的方法。实验结果表明:该算法的缩放效果优于双线性插值算法,略低于双三次插值算法,但计算性能上明显高于双三次插值算法。双三次卷积模板插值算法是一种能够在有限的资源上实现较好效果的插值算法。