基于注意力机制的人像分割方法

摘要：

注意力机制能够挖掘与任务密切相关的重要信息并抑制非重要信息,在语义分割的深层特征表示中发挥着越来越重要的作用.本研究基于广泛应用的 U-Net模型,提出了一种基于注意力机制的神经网络模型,针对边缘分割模糊的问题,将 U-Net的压缩路径和扩展路径中的双卷积替换为卷积核选择模块,该模块允许网络的每一层根据输入信息进行自适应调整接受野的大小;另外,针对人像分割网络存在不同尺度的全局上下文信息被忽略的问题,采用多尺度预测融合的方法来利用不同尺度的全局信息,并采用双注意力模块汇总空间和通道两方面的注意力信息.大量实验表明,本文中方法的性能与 U-Net、UNet++和 Attention U-Net等网络相当或更好.

关键词：语义分割、注意力机制、U-Net、神经网络

所属期刊栏目：46

分类号：TP391(计算技术、计算机技术)

资助基金：湖北省技术创新专项重大项目;湖北省重点研发计划项目;湖北省重点研发计划项目;湖北省重点研发计划项目

在线出版日期：2024-01-09（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：25-32