典型文献
一种用于车辆图像分割的MSSA-UNet模型
文献摘要：
针对实际交通场景下的车辆图像分割方法存在模糊、效果差的问题,本文以UNet神经网络模型为基础,提出了一种融合多尺度模块和空间注意力机制的MSSA-UNet模型.在编解码阶段,采用空洞卷积构建多尺度模块,改善卷积层感受野大小受限的同时输出包含多尺度的特征信息.在上采样前,引入空间注意力机制来弥补采样过程中的局部信息丢失问题,提高特征还原能力.结合交叉熵损失与Dice损失,优化网络学习和训练过程,提高模型的分割精度.实验结果表明,本文提出的MSSA-UNet模型对于车辆图像分割任务在IoU评价指标达到83.48％,较改进前准确度提升了 2.28％,模型预测值和真实值更接近,分割效果更好,有效提升了模型的分割性能.
文献关键词：
空洞卷积;多尺度;空间注意力;图像分割;卷积神经网络
中图分类号：
作者姓名：
赵红爱;王旭智;万旺根
作者机构：
上海大学通信与信息工程学院 上海200072;上海大学智慧城市研究院 上海200072
文献出处：
引用格式：
[1]赵红爱;王旭智;万旺根-.一种用于车辆图像分割的MSSA-UNet模型)[J].电子测量技术,2022(08):102-107
A类：
B类：
图像分割,MSSA,UNet,针对实际,交通场景,分割方法,多尺度模块,空间注意力机制,在编,编解码,空洞卷积,卷积层,感受野,特征信息,上采样,局部信息,信息丢失,交叉熵损失,Dice,网络学习,训练过程,IoU,标达,进前,真实值,分割效果
AB值：
0.360043
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。
