小程序
传感搜
传感圈
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