典型文献
基于多尺度特征融合的改进型云图分割方法
文献摘要：
为了解决现有云图语义分割任务中泛化能力差,边缘信息不敏感,容易发生误检、漏检的问题,提出基于SegNet的多尺度特征融合的云图分割方法.首先通过多尺度特征融合模块获取更多特征信息,同时通过高效通道注意力机制获取重要的边缘特征信息,采用改进的Transformer架构优化分割结果,然后提出改进的复合损失函数,以Dice损失函数作为Log_Cosh损失函数的输入,与交叉熵损失函数和边界损失函数进行加权组合,最后将云图输入基于多尺度特征融合的改进型云图分割模型中分割.结果表明,与传统SegNet相比,该模型在云图分割任务中的准确率、精确率和平均交并比分别提升2.45％、2.38％、5.25％,可见改进方法具有更好的泛化和边缘检测效果.
文献关键词：
SegNet;多尺度特征融合;Transformer架构;复合损失函数
中图分类号：
作者姓名：
吉茹;张银胜;杨宇龙;周乐佳
作者机构：
南京信息工程大学电子与信息工程学院 南京210044;无锡学院电子信息工程学院 无锡214105
文献出处：
引用格式：
[1]吉茹;张银胜;杨宇龙;周乐佳-.基于多尺度特征融合的改进型云图分割方法)[J].国外电子测量技术,2022(11):37-44
A类：
B类：
多尺度特征融合,改进型,云图,图分割,分割方法,语义分割,泛化能力,边缘信息,不敏,漏检,SegNet,特征融合模块,多特征信息,高效通道注意力机制,边缘特征,Transformer,架构优化,优化分割,复合损失函数,Dice,Log,Cosh,交叉熵损失函数,边界损失,分割模型,精确率,平均交并比,改进方法,边缘检测,检测效果
AB值：
0.313624
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。
