TY -的A2 Wang Wei盟兴,永丰盟中,罗盟——钟,西安PY - 2020 DA - 2020/07/07 TI - Encoder-Decoder网络FCN架构为基础的语义分割SP - 8861886六世- 2020 AB -近年来,卷积神经网络(CNN)的语义分割取得了举世瞩目的成就。该方法具有良好的应用前景。目前，该方法大多采用编码器-解码器架构作为一种通过像素分割预测生成像素的方法。编码器用于提取地形图，解码器用于恢复地形图分辨率。提出了一种基于编解码器结构的改进语义分割方法。我们可以在几个硬类上获得较好的分割精度，并显著降低计算复杂度。通过修改主干和一些精炼技术，这是可能的。最后，经过一些处理，该框架在许多数据集上都取得了良好的性能。与传统结构相比，我们的结构不需要额外的译码层，并进一步重用了编码器的权重，从而减少了处理所需的全部参数数量。本文还提出了一种改进的焦损失函数，作为交叉熵函数的替代，以更好地处理训练数据的不平衡问题。 In addition, more context information is added to the decode module as a way of improving the segmentation results. Experiments prove that the presented method can get better segmentation results. As an integral part of a smart city, multimedia information plays an important role. Semantic segmentation is an important basic technology for building a smart city. SN - 1530-8669 UR - https://doi.org/10.1155/2020/8861886 DO - 10.1155/2020/8861886 JF - Wireless Communications and Mobile Computing PB - Hindawi KW - ER -