典型文献
基于组注意力卷积和特征重建的轻量分割算法
文献摘要：
针对卷积神经网络的庞大参数量和计算量难以应用于移动设备或嵌入式设备的问题,提出冗余特征重建模块(redundant feature reconstruction,RFR)和组注意力卷积模块(group attention convolution,GAC),RFR模块使用较少的参数量提取重要的固有特征,通过线性算子重建冗余特征帮助网络模型推理,GAC模块通过引入注意力机制改善分组卷积中各分组之间的信息交互不充分的问题,基于所提出模块构建一种高效轻量化的语义分割网络.在Cityscapes数据集上进行的实验显示了所提网络模型达到了良好的分割准确率,参数量和网络模型大小低于当前典型语义分割算法,在算法复杂度和性能上达到了平衡,表明了其有效性.
文献关键词：
卷积神经网络;特征重建;注意力机制;组卷积;轻量化;语义分割
中图分类号：
作者姓名：
胡国清;谭海亮;戈明亮
作者机构：
华南理工大学 机械与汽车工程学院,广东 广州 510641
文献出处：
引用格式：
[1]胡国清;谭海亮;戈明亮-.基于组注意力卷积和特征重建的轻量分割算法)[J].计算机工程与设计,2022(01):120-126
A类：
B类：
特征重建,分割算法,参数量,计算量,移动设备,嵌入式设备,冗余特征,redundant,feature,reconstruction,RFR,卷积模块,group,attention,convolution,GAC,固有特征,线性算子,模型推理,注意力机制,分组卷积,信息交互,互不,出模,语义分割网络,Cityscapes,算法复杂度,上达
AB值：
0.391882
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。
