10.3969/j.issn.1001-0505.2022.06.015
基于双注意力模块的FDA-DeepLab语义分割网络
针对DeepLabv3+对相似对象容易误判、小目标容易遗漏、预测输出存在空洞等问题,提出了一种融合通道注意力机制和空间注意力机制的FDA-DeepLab图像语义分割网络.首先,设计了 一种结合通道注意力机制和空间注意力机制的特征融合模块,分别在4、8、16倍下采样特征图上使用该模块融合低层特征以弥补高层特征的不足;然后,针对训练样本的非均衡性问题,通过引入样本难度权重调节因子和类别权重改进了损失函数,提高了图像语义分割精度.最后,设计了消融和对比实验验证了所提网络.实验结果证明,该网络可有效提高模型的语义分割性能,在PASCAL VOC 2012验证集上相比原始模型MIoU值提高了 1.2%,多尺度输入时MIoU值提高了 1.9%.
注意力机制、语义分割、损失函数、DeepLabv3+
52
TP183(自动化基础理论)
国家重点研发计划2020YFD1100201
2023-03-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
1145-1151