典型文献
基于Deeplab-v3+的小目标与边缘增强热图像语义分割网络
文献摘要：
由于热图像存在无颜色信息,边缘模糊,细节信息较弱等问题,较难获得高质量的图像分割效果.为解决这个问题,在编码-解码(encode-decode)架构的基础上,本文增加了多级像素空间注意模块(multi-level pixel spatial attention module,MPAM)、边缘提取模块(edge extraction module,EEM)和小目标提取模块(tiny target extraction module,TTM).其中,MPAM能使网络充分保留细节的同时捕捉到语义信息,EEM和TTM分别提取具有语义信息的边缘和小目标等细节特征.为提高各类别边缘相交区域像素点和小目标物体的预测精度,设计了专门的损失函数对已获得的边缘和小目标特征进行监督训练,提高各类别边缘相交区域像素点和小目标物体的预测精度.将该方法分别应用于课题组构建的热图像数据集SCUT_SEG、公开的热图像数据集SODA和合成热红外数据集Cityscpae,实验结果表明:本文方法比FCN、PSPNet、Deeplabv3+、MCNet、EC-CNN等5种网络分割算法效果略好,性能提升约2.2个百分点.
文献关键词：
热图像语义分割;编码-解码;注意模块;小目标特征;边缘特征
中图分类号：
作者姓名：
任莎莎;刘琼;张晓东
作者机构：
华南理工大学软件学院,广东 广州 511436;皖西学院机械与车辆工程学院,安徽 六安 237012
文献出处：
引用格式：
[1]任莎莎;刘琼;张晓东-.基于Deeplab-v3+的小目标与边缘增强热图像语义分割网络)[J].厦门大学学报（自然科学版）,2022(04):701-713
A类：
热图像语义分割,Cityscpae,MCNet
B类：
边缘增强,语义分割网络,无颜,颜色信息,细节信息,图像分割,分割效果,在编,解码,encode,decode,注意模块,multi,level,pixel,spatial,attention,module,MPAM,边缘提取,取模,edge,extraction,EEM,目标提取,tiny,target,TTM,分保,捕捉到,语义信息,细节特征,相交,像素点,损失函数,小目标特征,组构,图像数据集,SCUT,SEG,SODA,热红外,FCN,PSPNet,Deeplabv3+,EC,分割算法,性能提升,百分点,边缘特征
AB值：
0.388541
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。
