典型文献
并行注意力机制在图像语义分割中的应用
文献摘要：
在卷积神经网络中融入注意力机制越来越成为语义分割强化特征学习的重要方法.提出了一种融合了局部注意力和全局注意力的卷积神经网络.输入图像经主干网络的特征提取,并行输入给局部注意力和全局注意力模块.局部注意力模块以编码-解码结构实现多尺寸的局部特征融合,全局注意力模块根据每个像素与其所在特征图上所有像素的相关性捕获全局信息.融合两个注意力模块不仅减少了局部信息的丢失,而且捕获了具有长距离依赖的全局信息,有效提升了特征提取的能力.采用一种数据相关的上采样方法代替双线性插值法恢复特征图至输入尺寸,同时改善了分割效果.采用Dice Loss损失函数并针对样本不平衡问题在类别损失前加入权重系数进一步改善了分割效果.该方法在药丸污点数据集、药丸缺损数据集以及走廊数据集上分别得到了96.39％、93.44％、96.28％的平均交并比结果.
文献关键词：
局部注意力;全局注意力;数据相关上采样;样本不平衡
中图分类号：
作者姓名：
张汉;张德祥;陈鹏;章军;王兵
作者机构：
安徽大学 电气工程与自动化学院,合肥 230601;安徽大学 农业生态大数据分析与应用技术国家地方联合工程研究中心,互联网学院,合肥 230601;安徽工业大学 电气与信息工程学院,安徽 马鞍山 201804
文献出处：
引用格式：
[1]张汉;张德祥;陈鹏;章军;王兵-.并行注意力机制在图像语义分割中的应用)[J].计算机工程与应用,2022(09):151-160
A类：
数据相关上采样
B类：
并行注意力机制,图像语义分割,特征学习,局部注意力,全局注意力,主干网络,注意力模块,解码,多尺寸,局部特征,特征融合,块根,像素,特征图,全局信息,局部信息,长距离依赖,采样方法,双线性插值法,分割效果,Dice,Loss,损失函数,样本不平衡,不平衡问题,权重系数,药丸,污点,走廊,平均交并比
AB值：
0.305302
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。
