DECANet:基于改进DeepLabv3+的图像语义分割方法 |
| |
引用本文: | 唐璐,万良,王婷婷,李树胜.DECANet:基于改进DeepLabv3+的图像语义分割方法[J].激光与光电子学进展,2023(4):92-100. |
| |
作者姓名: | 唐璐 万良 王婷婷 李树胜 |
| |
作者单位: | 1. 贵州大学计算机科学与技术学院;2. 贵州大学计算机软件与理论研究所 |
| |
基金项目: | 国家自然科学基金(62062020); |
| |
摘 要: | 在图像的语义分割任务中,不同对象之间像素值存在差异,导致现有的网络模型在图像语义分割过程中丢失图像局部细节信息。针对上述问题,提出一种图像语义分割方法(DECANet)。首先,引入通道注意力网络模块,通过对所有通道的依赖关系进行建模提高网络的表达能力,选择性地学习并强化通道特征,提取有用信息,抑制无用信息。其次,利用改进的空洞空间金字塔池化(ASPP)结构,对提取到的图像卷积特征进行多尺度融合,减少图像细节信息丢失,且在权重参数不改变的情况下提取语义像素位置信息,加快模型的收敛速度。最后,DECANet在PASCAL VOC2012和Cityscapes数据集上的平均交并比分别达81.08%和76%,与现有的先进网络模型相比,检测性能更优,可以有效地捕获局部细节信息,减少图像语义像素分类错误。
|
关 键 词: | 图像语义分割 注意力机制 空洞空间金字塔池化 多尺度融合 |
|