基于可变形卷积技术的街景图像语义分割算法

目前图像语义分割算法中可能会出现分割图像的不连续与细尺度目标丢失的缺陷，故提出可变形卷积融合增强图像的语义分割算法。算法集HRNet网络框架、Xception Module以及可变形的卷积于一体，用轻量级Xception Module优化HRNet原先存在的Bottleneck模块，同时在网络的第一阶段串联融合可变形卷积，通过建立轻量级融合加强网络从而增强针对细尺度目标特征物的辨识精度，从而使得该轻量级融合增强网络在粗尺度目标物被分割时取得相对多的细尺度目标的语义特征信息，进一步缓解语义分割图像的不连续与细尺度的目标丢失。使用Cityscapes数据集，实验结果可以说明，优化后的算法对于细尺度目标分割精度得到了显著的增强，同时解决了图像语义分割导致的分割不连续的问题。然后进行实验使用的是公开数据集PASCAL VOC 2012,实验进一步的验证了优化算法的鲁棒性以及泛化能力。