基于改进Deeplab V3+网络的语义分割
深度学习的语义分割在计算机视觉领域中有非常广阔的发展前景，但许多分割效果较好网络模型占用内存大和处理单张图片耗时长.针对这个问题，把Deeplab V3+模型的骨干网（ResNet101）的瓶颈单元设计为1D非瓶颈单元，且对空洞空间金字塔池化模块（Atrous Spatial Pyramid Pooling，ASPP）的卷积层进行分解.该算法能大幅度降低Deeplab V3+网络的参数量，提高网络推理速度.基于PASCAL VOC 2012数据集进行对比实验，实验结果显示改进网络模型拥有更快的处理速度和更优的分割效果，且消耗更少的内存.
文件下载
评论信息
其他资源
- STM32F0系列参考例程
- 本科随机信号处理基础班上机作业20190604.doc
- 高精度时间测量芯片TDC—GP2使用
- 基于STM32的智能家居控制系统的设计与实现.docx
- 英语语料库LOB语料库
- DSP28335控制DHT11温湿度传感器
- linux下c语言实现多线程web服务器
- C++程序设计题解与上机指导.pdf(谭浩强）
- HCIP 222 第一部分 MPLS 试题加解析
- 熟悉DEBUG调试环境实验报告
- Kindle刷机工具
- EXT文件手动提取.doc
- NikeShoesEcommerceApp.zip
- Excel抽奖系统.xlsx
- JbuilderX开发工具
- verilog书籍
- 基于正交调制的模拟通用调制器
- chord-0.1实现代码
- Signal Detection And Estimation - Solution Manual
- 基于AD603程控增益大功率宽带直流放大器的设计
- 第3章 Simulink建模仿真基础
- 本地音乐播放-Android代码
- 2008年大学生数学建模竞赛A题优秀论文-1 数码相机定位问题
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明