基于逆注意力机制和像素相似度学习的图像分割

• 作者: 乔文昇 向涛 王延斌 邓永兴
• 来源期刊: 电讯技术
• 学科: 工学
• 关键词: 图像语义分割 逆注意力机制 相似度学习 卷积神经网络
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 电子与信息工程
• 页码范围: 902-909
• 页数: 8页
• 分类号: TN911.73
• 字数: 5546字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-893x.2020.08.007

摘要

针对图像语义分割中目标边界容易混淆、定位不准以及边界不平滑问题,在Deeplab v2 Res-net-101网络的基础上引入提出的逆注意层与像素相似度学习层,构造了一种新的语义分割的网络结构,并设计了注意力层和像素相似度学习层的损失函数.首先,使用Deeplab v2 Resnet-101网络提取图像语义特征;然后,利用提出的逆注意力层修正预测网络的分割结果,同时,利用提出的像素相似度学习层解决边界不够平滑的问题;最后融合两者分割的结果,得到语义分割的结果.在PAS-CAL-Context上取得了像素准确度76.2％、像素平均准确度59.7％、平均IoU(Intersection over U-nion)准确度指标49.9％的结果,在PASCAL Person-Part、NYUDv2、MIT ADE20K数据集上分别取得了平均IoU准确度指标69.6％、42.1％、44.38％的结果,与已有的主流方法相比,所提算法能够提升语义分割的精确度,验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	乔文昇		6	12	2.0	3.0
2	向涛		2	0	0.0	0.0