摘要
من أجل تحقيق تقسيم فعال للمشاهد المعقدة مثل المناظر الحضرية، يجمع هذا البحث بين الشبكة عالية الدقة (HRNet) ويكمل المعلومات السياقية العالمية باستخدام وحدة التجميع الهرمي (وحدة التجميع الهرمي، PPM)، مقدمًا شبكة تحليل المشاهد عالية الدقة. أولاً، يُستخدم HRNet كشبكة استخراج الميزات الأساسية، ويتم تحسين الوحدات المتبقية المستخدمة بكثرة من خلال الالتفاف الاستقصائي المنفصل، مما يقلل عدد المعلمات مع تحسين قدرة التقسيم للأهداف متعددة المقياس؛ ثانيًا، تم تصميم معدلات استقصاء متعددة المستويات بإطار الالتفاف المختلط لتقليل تأثير مشكلة الشبكة مع الحفاظ على مجال استقبال كثيف؛ بعد ذلك، تم تصميم بنية متعددة المراحل للرفع المستمر لتحسين آلية الدمج البسيط في HRNetV2؛ وأخيرًا، تُستخدم وحدة التجميع الهرمي المحسنة القابلة للتكيف مع دقة الصور المختلفة لتجميع معلومات السياق من مناطق متعددة للحصول على صورة تقسيم عالية الجودة. حققَّت دقة 83.3٪ MIOU مع عدد معلمات 16.4 ميجابت فقط على مجموعة بيانات المناظر الحضرية (CityScapes)، وحققت نتائج جيدة أيضًا على مجموعة بيانات Camvid، مما يحقق طريقة تحليل مشاهد تعتمد على التقسيم الدلالي أكثر موثوقية ودقة ومنخفضة الحساب.
关键词
التعلم العميق;الشبكات العصبية;التقسيم الدلالي;الشبكة عالية الدقة;الالتفاف الاستقصائي
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website