基于注意力机制的道路环境语义分割算法 |
| |
引用本文: | 方豪,伍鹏,谢凯,周顺平.基于注意力机制的道路环境语义分割算法[J].计算机仿真,2023(3):122-128. |
| |
作者姓名: | 方豪 伍鹏 谢凯 周顺平 |
| |
作者单位: | 1. 长江大学电子信息学院;2. 中国地质大学(武汉)国家地理信息系统工程技术研究中心 |
| |
基金项目: | 国家自然科学基金项目(41371422); |
| |
摘 要: | 针对复杂场景道路图像分割中,由于目标形状不规则、光照变化以及物体遮挡等因素,而导致的分割结果出现分割精度低、小目标分割错误等问题,提出了一种新的语义分割算法GH-deeplabV3+。将DeeplabV3+网络和高分辨率网络相结合,并在骨干特征提取网络中插入注意力机制模块。高分辨率网络模块保持了图像的高分辨特征信息,注意力机制模块增强了关键目标特征信息的权重。在优化超参数的研究中,使用APReLU激活函数和AdaBelief优化器来优化算法,降低网络损失。在Cityscapes数据集上进行了验证,实验结果表明,GH-deeplabV3+算法提高了图片的分割精度,分割性能优于其它分割算法。
|
关 键 词: | 道路图像分割 小目标 注意力机制 高分辨率特征信息 |
|
|