基于类特征注意力机制融合的语义分割算法 |
| |
引用本文: | 陈娜,张荣芬,刘宇红,李丽,张雯雯.基于类特征注意力机制融合的语义分割算法[J].液晶与显示,2023(2):236-244. |
| |
作者姓名: | 陈娜 张荣芬 刘宇红 李丽 张雯雯 |
| |
作者单位: | 贵州大学大数据与信息工程学院 |
| |
基金项目: | 贵州省科学技术基金(No.黔科合基础-ZK[2021]重点001)~~; |
| |
摘 要: | 针对DeepLabv3+模型对图像目标边缘分割不准确、不同类目标分割不一致等问题,提出一种基于类特征注意力机制融合的语义分割算法。该算法在DeepLabv3+模型编码端先设计一个类特征注意力模块增强类别间的相关性,更好地提取和处理不同类别的语义信息。然后采用多级并行的空间金字塔池化结构增强空间之间的相关性,更好地提取图像不同尺度的上下文信息。最后在解码端利用通道注意力模块的特性对多层融合特征重新校准,抑制冗余信息,加强显著特征来提高网络的表征能力。在Pascal Voc2012和Cityscapes数据集上对改进模型进行了有效性和泛化性实验,平均交并比分别达到了81.34%和76.27%,使图像边缘分割更细致,类别更清晰,显著优于本文对比算法。
|
关 键 词: | 多尺度特征融合 类特征 注意力机制 语义分割 DeepLabv3+ |
|
|