| 基于空间语义信息特征融合的目标检测与分割 |
| |
| 作者姓名： | 郭琪周 袁春 |
| |
| 作者单位： | 清华大学 计算机科学与技术系,北京 100084;清华大学 深圳国际研究生院,广东 深圳 518055;鹏城实验室,广东 深圳 518055 |
| |
| 基金项目： | 国家自然科学基金（U1833101）;深圳市基础研究项目（JCYJ20190809172201639） |
| |
| 摘 要： | 
高质量的特征表示可以提高目标检测和其他计算机视觉任务的性能.现代目标检测器诉诸于通用的特征金字塔结构以丰富表示能力,但是他们忽略了对于不同方向的路径应当使用不同的融合操作,以满足其对信息流的不同需求.提出了分离式空间语义融合（separated spatial semantic fusion,SSSF）,它在自上而下的路径中使用通道注意模块（channel attention block,CAB）来传递语义信息,在自下而上的路径中使用具有瓶颈结构的空间注意模块（spatial attention block,SAB）来通过较少的参数和较少的计算量（相比于直接利用不降维的空间注意模块）将精确的位置信号传递到顶层.
SSSF十分有效,并且具有很强大的泛化能力：对于目标检测,它可以将AP提高1.3%以上,对于自上而下的路径进行语义分割的融合操作,它可以将普通加和版本的AP提高约0.8%,对于实例分割,所提方法能够在所有指标上提高实例分割的包围框AP和掩膜AP.
|
| 关 键 词： | 目标检测 特征融合 注意力机制 深度学习 图像分割 |
| 收稿时间： | 2020-11-30 |
| 修稿时间： | 2020-12-28 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《软件学报》浏览原始摘要信息 |
|
点击此处可从《软件学报》下载免费的PDF全文 |
|
