来源：期刊VIP网 时间：
作者：师佳琪;杨皓浚;刘晓悦;陈鑫;
单位：华北理工大学电气工程学院;北京邮电大学;
摘要：为解决现有语义分割模型无法兼顾全局语义信息与局部细节信息，以及残差模块细节特征提取能力弱的问题，提出一种语义分割方法。在HRNet的基础上引入了金字塔池化模块，兼顾了全局语义信息和局部细节信息，同时在原有残差模块BasicBlock的基础上引入大核深度卷积提高模型的细节特征提取能力，大幅度提高模型的精度。在PASCAL VOC2012图像数据集上的实验表明，相较于原始HRNet等其他分割网络，该算法取得了分割精度的显著提升，平均分割精度达到了89.27%。各设计模块的有效性也通过消融实验得以验证，尤其是改进Basic Block对提升分割性能具有关键作用，该模型大幅度提升了图像语义分割精度，提供了一种高效率、稳定且适用场景更加普遍的多尺度语义分割算法。
关键词：HRNet;;金字塔池化模块;;大核深度卷积;;残差模块;;语义分割;;深度学习
基金资助：河北省重点基金项目（SJMYF202401）;; 国家自然科学基金项目（42274056）
