基于多尺度特征融合的改进型云图分割方法

摘要：

为了解决现有云图语义分割任务中泛化能力差,边缘信息不敏感,容易发生误检、漏检的问题,提出基于SegNet的多尺度特征融合的云图分割方法.首先通过多尺度特征融合模块获取更多特征信息,同时通过高效通道注意力机制获取重要的边缘特征信息,采用改进的Transformer架构优化分割结果,然后提出改进的复合损失函数,以Dice损失函数作为Log_Cosh损失函数的输入,与交叉熵损失函数和边界损失函数进行加权组合,最后将云图输入基于多尺度特征融合的改进型云图分割模型中分割.结果表明,与传统SegNet相比,该模型在云图分割任务中的准确率、精确率和平均交并比分别提升2.45％、2.38％、5.25％,可见改进方法具有更好的泛化和边缘检测效果.

关键词：SegNet、多尺度特征融合、Transformer架构、复合损失函数

所属期刊栏目：41

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金;无锡学院教学与科研项目

在线出版日期：2023-02-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：37-44