Research On Real-time Semantic Image Segmentation Model

摘要：

为了实现快速语义图像分割,提出一种简化整合模型.首先,对频域视觉注意模型PQFT的四元数图像虚部系数进行简化改进.然后,将改进PQFT模型的显著图与简化PCNN的内部活动项结合起来对显著目标区域进行粗略定位,并以提出的显著目标区域均值的3/2倍进行精细分割.最后,根据尺寸变化与否准则判断输出正确的语义图像分割结果.实验结果表明,提出的整合模型具有实时性,且取得的AUC值和F值较原PQFT模型分别提高了29.9%和44.2%.

Aiming at addressing fast semantic image segmentation,a simple integrated model was proposed.Firstly,the PQFT model,a frequency-domain visual attention model,was improved by improving imaginary coefficients of its quaternion image.Then,the saliency map of the improved PQFT model was integrated with the inner activity of a simplified PCNN to locate the raw salient region,and the detected salient object was segmented perfectly according to the proposed 3/2times meanvalue threshold method.At last,the accurate semantic image segmentation result was output according to the size-changing rule.The experimental results show that the fast semantic image segmentation model proposed is of real-time,and its＇ AUC and F values have been increased 29.9% and 44.2%,respectively.

作者：

刘尚旺 陈平 王统昊

机构地区：

betway官方app 计算机与信息工程学院 智慧商务与物联网技术河南省工程实验室 郑州大学软件与应用科技学院

出处：

《betway官方app 学报：自然科学版》 CAS 北大核心 2016年第2期139-147,共9页

基金：

国家自然科学基金(U1304607) 河南省高等学校重点科研项目(15A520080) betway官方app 博士科研启动基金(qd12138)

关键词：

语义图像分割 频域视觉注意模型 四元数图像 PCNN AUC

semantic image segmentation frequency-domain visual attention model quaternion image PCNN AUC

分类号：

TP391.41 [自动化与计算机技术—计算机应用技术]

实时语义图像分割模型研究.pdf