典型文献
基于高度有效驱动注意力与多层级特征融合的城市街景语义分割
文献摘要：
针对DeepLabv3+网络在进行城市街景图像分割任务时,没有充分利用到网络中多层级特征信息,导致分割结果存在大目标有孔洞、边缘目标分割不够精细等不足;并且考虑到城市街景数据具有天然的空间位置特殊性,本文提出在DeepLabv3+网络的基础上引入高度有效驱动注意力机制(height-driven efficient attention model,HEAM)与多层级特征融合模块(multi-stage feature fusion model,MFFM),将HEAM嵌入特征提取网络与空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)结构中,使其对目标关注更多垂直方向上的空间位置信息;MFFM通过融合多层特征图,在网络中形成多条融合支路依次连接到网络解码端,采用逐次上采样提高解码时像素上的连续性.将改进的网络通过Cam Vid城市街景数据集验证测试,实验结果表明,该网络能有效改善DeepLabv3+的不足,并且合理运用了数据集的位置先验性,增强了分割效果,在Cam Vid测试集上平均交并比(mean intersection over union,MIoU)达到了 68.2％.
文献关键词：
DeepLabv3+;城市街景;注意力机制;语义分割;特征融合
中图分类号：
作者姓名：
赵迪;孙鹏;陈奕博;熊炜;刘粤;李利荣
作者机构：
湖北工业大学 电气与电子工程学院,湖北 武汉430068;襄阳湖北工业大学 产业研究院,湖北 襄阳441100;美国南卡罗来纳大学计算机科学与工程系,南卡罗来纳哥伦比亚29201
文献出处：
引用格式：
[1]赵迪;孙鹏;陈奕博;熊炜;刘粤;李利荣-.基于高度有效驱动注意力与多层级特征融合的城市街景语义分割)[J].光电子·激光,2022(10):1038-1046
A类：
HEAM,MFFM,Vid
B类：
多层级特征融合,城市街景,语义分割,DeepLabv3+,街景图像,图像分割,特征信息,大目标,标有,孔洞,目标分割,街景数据,注意力机制,height,driven,efficient,attention,model,特征融合模块,multi,stage,feature,fusion,嵌入特征,特征提取网络,空洞空间金字塔池化,atrous,spatial,pyramid,pooling,ASPP,垂直方向,空间位置信息,特征图,多条,支路,接到,解码,逐次,上采样,像素,Cam,数据集验证,验证测试,合理运用,先验性,分割效果,测试集,平均交并比,mean,intersection,over,union,MIoU
AB值：
0.410007
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。
