结合上下文特征融合的图像语义分割方法研究.pdfVIP

信息记录材料２０２５年２月第２６卷第２期

结合上下文特征融合的图像语义分割方法研究

徐慧萍

（兰州博文科技学院甘肃兰州７３０１０１）

【摘要】针对图像语义分割的卷积神经网络（ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ＣＮＮ）重复迭代的卷积操作会造成网络中特征信息的运

行阻力，延长网络训练、运行时间，降低分割网络运行效率的问题，本文提出一种结合上下文特征融合的图像语义分割方法。该方法

通过构建特征金字塔，强化特征信息的获取，构建上采样模块，减少参数量和运行时间。结果表明：该方法通过完善网络结构，可改善

传输速度，提升分割效率。

【关键词】语义分割；分割网络；分割效率

－－－

【中图分类号】ＴＰ３９１４１【文献标识码】Ａ【文章编号】１００９５６２４（２０２５）０２０２４５０４

０引言（２）上采样结构：以深度可分离卷积为核心，通过深

２１世纪科技快速进步，极大地推动了人们捕获信息度维卷积、点卷积建立深度上采样模块，减少通道维特征

的方式。图像作为提供信息的载体在人们生活中占据的的参数量，提高网络的运行效率。

［１］基于以上设计方案，本文提出的结合上下文特征融合

比例日益增加。例如，车牌识别系统通过捕获车牌信

－

［２３］的图像语义分割方法的具体框架如图１所示，其包括“双

息，实现智能停车，缓解交通拥挤；在医疗诊断领域，

通过查看医学图像，为后续治疗提供及时、可靠的诊断方金字塔”特征模块（上方虚线框所示）和深度上采样模块

案。在上述领域中，图像语义分割利用不同场景中的图像（下方虚线框所示）两部分。

类型特征，为对应领域的发展提供价值导向。此外，在互２１“双金字塔”特征模块

联网信息更替速度如此快的今天，图像语义分割也为目标为完全利用网络特征的全局性和局部性，本文提出

识别、图像处理等相关领域提供了助推剂，同时，在自动驾“双金字塔”特征模块，该模块在获取浅层特征信息的同

驶、航天航空、军事防卫等领域图像语义分割也具有无限时还考虑了含有不同尺度特征信息的局部特征和全局特

的潜能。因此，图像语义分割具有非常重要的理论指导意征。如图１所示，图像经过卷积、池化处理后通过“双金字

义和实用价值。塔”特征模块，该模块主要包括“自下而上”特征金字塔、

１图像语义分割的研究现状“自上而下”特征金字塔两部分。“双金字塔”特征模块在

图像分割方法自２０世纪末被定义和应用以来，国内整个空间上下文信息建立联系；其中，“自下而上”特征金

外相关研究人员就采用相应的理论和实践操作对该领域字塔用于获得尺度特征，“自上而下”特征金字塔用于具

展开了深入研究和探索，神经网络的出现促进了图像语义体化语义特征。

分割技术的进一步发展；２１世纪初期，图像分割借助深度如图１所示，“自下而上”的特征信息来源于两方面，