10.19678/j.issn.1000-3428.0058447
基于注意力机制和辅助任务的语义分割算法
为提高网络模型低层特征的离散度和语义分割算法的性能,以全卷积神经网络作为基础模型,提出一种基于辅助损失、边缘检测辅助任务和注意力机制的语义分割算法.通过重新设计网络模型的辅助损失分支,使网络低层特征编码更多语义信息.在多任务学习中,选择边缘检测作为辅助任务,基于注意力机制设计边缘检测的辅助任务分支,使网络模型更关注物体的形状和边缘信息.在此基础上,将基础模型、辅助损失分支、辅助任务分支集成构造为语义分割模型.在VOC2012数据集上的实验结果表明,该算法的平均交并比为71.5%,相比基础模型算法提高了6个百分点.
注意力机制;辅助任务;辅助损失;多任务学习;语义分割
47
TP391(计算技术、计算机技术)
国家自然科学基金61363066
2021-11-10(万方平台首次上网日期,不代表论文的发表时间)
共8页
203-209,216