典型文献
基于双注意力模块的FDA-DeepLab语义分割网络
文献摘要：
针对DeepLabv3+对相似对象容易误判、小目标容易遗漏、预测输出存在空洞等问题,提出了一种融合通道注意力机制和空间注意力机制的FDA-DeepLab图像语义分割网络.首先,设计了 一种结合通道注意力机制和空间注意力机制的特征融合模块,分别在4、8、16倍下采样特征图上使用该模块融合低层特征以弥补高层特征的不足;然后,针对训练样本的非均衡性问题,通过引入样本难度权重调节因子和类别权重改进了损失函数,提高了图像语义分割精度.最后,设计了消融和对比实验验证了所提网络.实验结果证明,该网络可有效提高模型的语义分割性能,在PASCAL VOC 2012验证集上相比原始模型MIoU值提高了 1.2％,多尺度输入时MIoU值提高了 1.9％.
文献关键词：
注意力机制;语义分割;损失函数;DeepLabv3+
中图分类号：
作者姓名：
张小国;丁立早;刘亚飞;郑子豪;王庆
作者机构：
东南大学仪器科学与工程学院,南京210096;东南大学软件学院,苏州215123
文献出处：
引用格式：
[1]张小国;丁立早;刘亚飞;郑子豪;王庆-.基于双注意力模块的FDA-DeepLab语义分割网络)[J].东南大学学报（自然科学版）,2022(06):1145-1151
A类：
B类：
双注意力模块,FDA,语义分割网络,DeepLabv3+,误判,小目标,遗漏,合通,通道注意力机制,空间注意力机制,图像语义分割,特征融合模块,下采样,特征图,模块融合,低层,训练样本,非均衡性,调节因子,类别权重,损失函数,融和,PASCAL,VOC,验证集,MIoU,多尺度输入
AB值：
0.353052
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
