摘要
针对目前常用语义分割模型对小目标分割不全、精度低等问题,文章提出了一种改进的DeepLabv3+网络。结合结构重参数化思想,在训练阶段将具有多分支卷积结构的DBB模块替代网络中的部分结构,推理阶段再将DBB模块等价转化成单分支结构,从而使网络在具有简单结构的同时拥有复杂多分支网络带来的高分割性能,并且配合使用交叉熵和Dice损失人函数组成混合损失函数训练网络,进一步提高分割的准确性。所提算法在针对室外交通场景的Cityscapes数据集上验证,得到的MIoU(平均交并比)值为76.79%、MPA(平均像素精度)为83.95%,对比原模型分别提高了4.63%和3.53%。经实验证明,文章所提出的方法可以有效地改善分割精度,从而达到更好的分割效果。
