基于边缘优化和全局建模的多路径语义分割
目前的语义分割卷积网络中,空间信息和细节信息随着卷积层的加深而逐渐丢失,造成物体边界和细小物体的分割效果不准确.同时,卷积的局部特征能力限制了网络获取有效的全局建模能力,造成物体内部分割混淆.针对这些问题,文中设计了基于边缘优化和全局建模的多路径语义分割算法.该算法提出了多路径邻近错位融合的网络,4条不同的分辨率路径邻近之间细节信息融会,高分辨率路径尾部与低分辨率路径首部间的语义信息交融,以此减少空间信息和细节信息的丢失.文中提出了自适应边缘特征模块得到边缘特征,融入网络中间层和深度监督层,增强边缘特征的表达能力和细小物体的分割效果,提出了Transformer全局特征模块,采用不同卷积进行下采样操作,缩短自注意力序列的长度,再融合通道信息与自注意力信息,从而获取有效的高层语义的全局信息.实验结果表明,在CamVid测试集和Cityscapes验证集上mIoU值分别达到76.2%和79.1%.
语义分割、多路径、边缘优化、深度监督、全局建模
50
TP391.4(计算技术、计算机技术)
2023-09-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
421-427