典型文献
基于改进SOLO网络的城市道路场景实例分割方法
文献摘要：
针对传统实例分割方法在无人驾驶技术中处理多目标分割准确率较低的问题,提出一种基于联合注意力机制的深度学习方法,实现城市交通多目标场景的实例分割.该方法通过设计联合注意力模块,对通道注意力与空间注意力进行融合,引导神经网络分支处理重要特征信息,以提升网络对多尺度目标的分割性能,解决了当前深度学习网络对城市交通多目标场景分割效果较差的问题.在城景数据集上的实验结果表明,该方法有效,可提升无人驾驶技术在城市道路交通场景下对实例分割的精确度.
文献关键词：
实例分割;注意力机制;路景分割;深度学习
中图分类号：
作者姓名：
徐博文;卢奕南
作者机构：
吉林大学计算机科学与技术学院,长春130012
文献出处：
引用格式：
[1]徐博文;卢奕南-.基于改进SOLO网络的城市道路场景实例分割方法)[J].吉林大学学报（理学版）,2022(06):1356-1362
A类：
路景分割
B类：
SOLO,道路场景,实例分割,分割方法,无人驾驶技术,目标分割,联合注意力,注意力机制,深度学习方法,城市交通,注意力模块,通道注意力,空间注意力,特征信息,多尺度目标,深度学习网络,场景分割,分割效果,城市道路交通,交通场景
AB值：
0.314895
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。
