基于多目标优化的深度学习图像分割算法研究

摘要

在深度学习图像分割任务中，精度与计算效率往往难以兼顾。为此，本文提出一种基于多目标优化的深度学习图像分割算法，通过构建融合交并比、边缘损失与计算代价的多目标损失函数，引入粒子群优化算法进行协同寻优，并采用自适应训练策略以提升模型泛化能力。实验结果表明，该算法在多个公开数据集上的分割精度与运行效率均优于传统方法，展现出良好的应用前景。

关键词

深度学习 / 图像分割 / 多目标优化 / 粒子群优化 / 卷积神经网络

基金资助

山西省高等学校科技创新项目“代理模型辅助的进化算法在昂贵多目标优化问题中的研究”（2023L451）