基于改进EMA单元的传统服饰图像语义分割
针对传统服饰图像分割中标签易混淆和小目标易丢失带来的目标边缘细节难以保留等问题,提出了 一种基于卷积注意力特征的残差期望最大化注意力语义分割网络模型.该模型首先以ResNeXt-50作为共享特征的主干网络,并通过在特征提取阶段引入一组平行的卷积注意力模块,可以有效地抑制无效特征,使目标区域的特征更加显著.然后利用残差思想对期望最大化注意力(EMA)单元进行优化,以解决迭代过程中梯度爆炸或者消失的问题,从而更好地建立特征图中位置间的关联,最终实现基于显著性融合学习的语义分割模型.最后在传统民族服饰数据集上通过定性与定量的实验验证了所提模型的有效性,其中平均交并比分割指标达到83.91%,取得了同类算法中最优效果.
深度学习、传统服饰、特征提取、注意力机制、语义分割
45
TP391.7(计算技术、计算机技术)
国家重点研发计划;北京邮电大学基本科研业务费项目
2022-05-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
69-74