多尺度交叉注意力特征融合的语义分割网
张弘,高月,刘保洋
西安邮电大学
2024-09-26
针对DeepLabv3+语义分割模型在解码阶段仅融合单尺度低级特征,高级与低级特征融合效果差,导致目标分割精度低的问题,本文基于注意力特征融合(AFF)结构和DeepLabv3+网络,提出了CAAFDeepLabv3+分割网络。首先,该网络引入不同阶段的多尺度浅层特征来优化空间位置信息。其次,采用交叉方式改进AFF,获得交叉注意力特征融合(CAFF)结构,提高特征间的信息交互,且通过学习高级和低级特征在通道上的重要程度,增强显著性特征,克服语义和尺度不一的特征融合问题,以获取高分辨率和高语义信息的融合特征。在道路标线数据集上进行训练和测试的结果表明,对于目标轮廓复杂、小尺寸分布较多的情况,该网络与UNet、PSPNet、DeepLabv3+、MobileNetv2DeepLabv3+、AFFDeepLabv3+网络相比较,平均交并比(MIoU)值和平均像素准确率(MPA)值达到最高,漏分割和错误分割明显降低。
  • 多尺度交叉
被引用: 451次
年份: 2024年
下载文档 2.00元
引用
分享
来源期刊
内容目录
  • 引言

  • 1、理论基础

    • 1.1 DeepLabv3+网络模型

    • 1.2 AFF

  • 2、多尺度CAFF的语义分割模型

    • 2.1 CAFF

    • 2.2 CAFFDeepLabv3+网络模型

  • 3、实验结果与分析

    • 3.1 实验数据集

    • 3.2 实验参数与评价指标

    • 3.3 实验结果与对比

  • 4、结论

核心点推荐
  • DeepLabv3 +
  • 语义分割
  • 多尺度
  • 交叉注意力特征融