Dynamic Unet+:一种轻量精确的语义分割算法及应用  

作　　者：陈朗 任洋甫 杨培[1] 刘晓静[1] 崔亚超 

机构地区：[1]青海大学计算机技术与应用系,青海西宁810016

出　　处：《电脑知识与技术》2023年第11期1-5,共5页Computer Knowledge and Technology

基　　金：青海大学2019年度中青年科研基金项目(2019-QGY-17,2019-QGY-4);国家自然科学基金(61866031,61862053)。

摘　　要：图像语义分割是计算机对场景理解的一个重要环节。随着模型精度的不断提高,日益增长的模型参数量和不断下降的分割速度使得模型实际应用存在一定困难。因此在轻量级语义分割框架Unet的基础上,提出了一个简单快速的基于ResNet的动态Unet+的语义分割架构,即Dynamic Unet+,该模型在保持较高精度的同时,可拥有较少的参数量。在Camvid、PASCAL VOC2012等语义分割数据集中取得了很好的实验结果。通过对复杂背景下的自动人像抠图进行实验,对使用两个肖像分割数据集训练的模型在自动证件照制作、背景编辑等实际应用中取得了较好的实验结果,从而进一步验证了该模型的有效性和实用性。

关 键 词：深度学习 卷积神经网络 图像语义分割 语义分割算法应用 自动人像抠图 

分 类 号：TN301[电子电信—物理电子学]