典型文献
基于多维度注意力和多尺度上采样的语义分割研究
文献摘要：
语义分割作完成像素级的分类任务,上下文信息对分割的性能有重要的影响.为了获取更丰富的上下文信息,采用ResNet作为主干网络,设计了一个基于多维度注意模块(Multidimensional attention,MDA)和多尺度上采样模块(Multiscale upsampling,MSU)的编码器-解码器结构.多维度注意力模块计算三个维度的注意力矩阵,以获取每个位置的依赖性,同时注意力机制能自适应地捕捉图像特征.多尺度上采样模块采用并行分支来捕获图像的多尺度特征,多尺度特征聚合有效地增强了图像的上下文信息.在Cityscapes和Camvid数据集上进行的一系列实验表明,该网络能有效提升图像分割精度.
文献关键词：
语义分割;注意力机制;多尺度特征;卷积神经网络;残差网络
中图分类号：
作者姓名：
陆仲达;张春达;王丽婧;徐凤霞
作者机构：
齐齐哈尔大学机电工程学院,黑龙江齐齐哈尔161000;黑龙江省智能制造装备产业化协同创新中心,黑龙江齐齐哈尔161000
文献出处：
引用格式：
[1]陆仲达;张春达;王丽婧;徐凤霞-.基于多维度注意力和多尺度上采样的语义分割研究)[J].测试科学与仪器,2022(01):68-78
A类：
upsampling
B类：
多尺度上采样,语义分割,割作,像素级,分类任务,上下文信息,ResNet,主干网络,注意模块,Multidimensional,attention,样模,Multiscale,MSU,编码器,解码器,注意力模块,力矩,个位,注意力机制,图像特征,多尺度特征,特征聚合,Cityscapes,Camvid,系列实验,图像分割,残差网络
AB值：
0.356904
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。
