基于改進(jìn)的DeepLabv3+圖像語義分割算法研究

摘要： 目前主流圖像語義分割網(wǎng)絡(luò)往往存在誤分割、分割不連續(xù)和模型復(fù)雜度高的問題，不能靈活高效地部署于實(shí)際場(chǎng)景中。針對(duì)這一現(xiàn)象，通過綜合考慮網(wǎng)絡(luò)的參數(shù)量、預(yù)測(cè)時(shí)間和準(zhǔn)確度，設(shè)計(jì)出一種優(yōu)化DeepLabv3+模型的圖像語義分割網(wǎng)絡(luò)。骨干網(wǎng)絡(luò)改用輕量級(jí)EfficientNetv2網(wǎng)絡(luò)提取特征，提高參數(shù)利用率；在空洞空間金字塔池化模塊中使用混合條帶池化模塊代替全局平均池化，引入深度可分離膨脹卷...