投稿指南
一、本刊要求作者有严谨的学风和朴实的文风,提倡互相尊重和自由讨论。凡采用他人学说,必须加注说明。 二、不要超过10000字为宜,精粹的短篇,尤为欢迎。 三、请作者将稿件(用WORD格式)发送到下面给出的征文信箱中。 四、凡来稿请作者自留底稿,恕不退稿。 五、为规范排版,请作者在上传修改稿时严格按以下要求: 1.论文要求有题名、摘要、关键词、作者姓名、作者工作单位(名称,省市邮编)等内容一份。 2.基金项目和作者简介按下列格式: 基金项目:项目名称(编号) 作者简介:姓名(出生年-),性别,民族(汉族可省略),籍贯,职称,学位,研究方向。 3.文章一般有引言部分和正文部分,正文部分用阿拉伯数字分级编号法,一般用两级。插图下方应注明图序和图名。表格应采用三线表,表格上方应注明表序和表名。 4.参考文献列出的一般应限于作者直接阅读过的、最主要的、发表在正式出版物上的文献。其他相关注释可用脚注在当页标注。参考文献的著录应执行国家标准GB7714-87的规定,采用顺序编码制。

计算机软件及计算机应用论文_结合ASPP与改进HR

来源:计算机时代 【在线投稿】 栏目:期刊导读 时间:2021-11-13
作者:网站采编
关键词:
摘要:文章目录 1 引言 2 改进的Re-ASPP-HRNet 2.1 网络模型结构 2.2 改进的高分辨率网络 2.3 ASPP模块的改进 2.4 解码部分结构设计 3 实验与分析 3.1 数据集 3.2 评价标准 3.3 模型训练 3.4 实验设计 4 结
文章目录

1 引言

2 改进的Re-ASPP-HRNet

2.1 网络模型结构

2.2 改进的高分辨率网络

2.3 ASPP模块的改进

2.4 解码部分结构设计

3 实验与分析

3.1 数据集

3.2 评价标准

3.3 模型训练

3.4 实验设计

4 结论

文章摘要:针对经典语义分割算法中存在的模型庞大、训练困难以及多尺度目标分割等问题,基于空洞空间金字塔池化(ASPP)和高分辨率网络(HRNet)提出了一种高效的多尺度图像语义分割方法。首先利用深度可分离卷积结合1*1卷积的方式改进了HRNet的基础模块,减少了模型参数;其次通过在全部的卷积层之后、修正线性单元(relu)激活函数之前添加批归一化层(BN)改善DeadRelu问题;最后添加了使用混合扩张卷积框架重构的ASPP,使用并行的上采样通道融合二者的优势,获得空间精准的分割结果,提出了Re-ASPP-HRNet。在公开数据集PASCAL VOC2012和CityScapes上的实验表明,改进后的方法相比于原HRNet分别实现了0.8%、0.5%平均交并比的精度提升,且减少了1/2的参数数量以及1/3占用内存。进一步提升了网络的性能,实现了更加高效可靠、有普适性的多尺度语义分割算法。

文章关键词:

论文分类号:TP391.41

文章来源:《计算机时代》 网址: http://www.jsjsdzzs.cn/qikandaodu/2021/1113/2083.html



上一篇:物理学论文_“智能图像处理”专刊序
下一篇:教育理论与教育管理论文_翻转课堂在“计算机辅

计算机时代投稿 | 计算机时代编辑部| 计算机时代版面费 | 计算机时代论文发表 | 计算机时代最新目录
Copyright © 2018 《计算机时代》杂志社 版权所有
投稿电话: 投稿邮箱: