典型文献
多尺度条形池化与通道注意力的图像语义分割
文献摘要：
目的 针对自然场景下图像语义分割易受物体自身形状多样性、距离和光照等因素影响的问题,本文提出一种新的基于条形池化与通道注意力机制的双分支语义分割网络(strip pooling and channel attention net,SPCANet).方法 SPCANet从空间与内容两方面对图像特征进行抽取.首先,空间感知子网引入1维膨胀卷积与多尺度思想对条形池化技术进行优化改进,进一步在编码阶段增大水平与竖直方向上的感受野;其次,为了提升模型的内容感知能力,将在ImageNet数据集上预训练好的VGG16(Visual Geometry Group 16-layer network)作为内容感知子网,以辅助空间感知子网优化语义分割的嵌入特征,改善空间感知子网造成的图像细节信息缺失问题.此外,使用二阶通道注意力进一步优化网络中间层与高层的特征选择,并在一定程度上缓解光照产生的色差对分割结果的影响.结果 使用Cityscapes作为实验数据,将本文方法与其他基于深度神经网络的分割方法进行对比,并从可视化效果和评测指标两方面进行分析.SPCANet在目标分割指标mIoU(mean intersection over union)上提升了1.2％.结论 提出的双分支语义分割网络利用改进的条形池化技术、内容感知辅助网络和通道注意力机制对图像语义分割进行优化,对实验结果的提升起到了积极作用.
文献关键词：
图像分割;注意力;条形池化;膨胀卷积;感受野
中图分类号：
作者姓名：
马吉权;赵淑敏;孔凡辉
作者机构：
黑龙江大学计算机科学与技术学院,哈尔滨 150080;黑龙江大学数据科学与技术学院,哈尔滨 150080
文献出处：
引用格式：
[1]马吉权;赵淑敏;孔凡辉-.多尺度条形池化与通道注意力的图像语义分割)[J].中国图象图形学报,2022(12):3530-3541
A类：
条形池化,SPCANet
B类：
图像语义分割,自然场景,下图,身形,通道注意力机制,双分支,语义分割网络,strip,pooling,channel,attention,图像特征,空间感知,子网,膨胀卷积,尺度思想,优化改进,在编,大水,竖直,感受野,感知能力,ImageNet,预训练,练好,VGG16,Visual,Geometry,Group,layer,network,辅助空间,嵌入特征,细节信息,信息缺失,中间层,特征选择,色差,Cityscapes,深度神经网络,分割方法,评测指标,目标分割,mIoU,mean,intersection,over,union,割进,升起,图像分割
AB值：
0.369076
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。
