典型文献
基于改进EMA单元的传统服饰图像语义分割
文献摘要：
针对传统服饰图像分割中标签易混淆和小目标易丢失带来的目标边缘细节难以保留等问题,提出了 一种基于卷积注意力特征的残差期望最大化注意力语义分割网络模型.该模型首先以ResNeXt-50作为共享特征的主干网络,并通过在特征提取阶段引入一组平行的卷积注意力模块,可以有效地抑制无效特征,使目标区域的特征更加显著.然后利用残差思想对期望最大化注意力(EMA)单元进行优化,以解决迭代过程中梯度爆炸或者消失的问题,从而更好地建立特征图中位置间的关联,最终实现基于显著性融合学习的语义分割模型.最后在传统民族服饰数据集上通过定性与定量的实验验证了所提模型的有效性,其中平均交并比分割指标达到83.91％,取得了同类算法中最优效果.
文献关键词：
深度学习;传统服饰;特征提取;注意力机制;语义分割
中图分类号：
作者姓名：
赵海英;朱会;侯小刚
作者机构：
北京邮电大学人工智能学院,北京100876
文献出处：
引用格式：
[1]赵海英;朱会;侯小刚-.基于改进EMA单元的传统服饰图像语义分割)[J].北京邮电大学学报,2022(01):69-74
A类：
B类：
EMA,传统服饰,图像语义分割,图像分割,中标,小目标,边缘细节,期望最大化,语义分割网络,先以,ResNeXt,共享特征,主干网络,卷积注意力模块,抑制无效特征,目标区域,特征图,融合学习,分割模型,民族服饰,定性与定量,中平,平均交并比,标达,优效,注意力机制
AB值：
0.36229
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。
