摘要
道路画像のセマンティックセグメンテーションにおける文脈情報不足や空間的な細部情報の損失といった問題に対して、本稿ではLinkNetモデルに基づくリアルタイムセグメンテーション手法を提案する。まず、エンコード領域に新しい注意機構を構築し、道路画像の位置およびチャネル依存性を捉え、対象特徴の抽出能力を向上させる。次に、中心領域に空洞空間ピラミッドプーリングモデルを導入し、画像解像度に影響を与えずにより豊富なマルチスケール特徴を取得する。一般的なデータベース上の実験結果から、提案手法はCityscapesデータセットでMIoU64.78%を達成し、LinkNetと比較して5.01%向上するとともに、小さな対象物や境界のセグメンテーションの視覚効果が顕著に改善され、セグメンテーション精度が大幅に向上したことが示された。
关键词
セマンティックセグメンテーション;注意機構;空洞空間ピラミッドプーリング;LinkNet
以上内容由讯飞翻译自动生成，翻译内容仅供参考。对于因使用本网站翻译内容产生的相关后果，本网站不承担任何商业和法律责任。
The above content is generated by Large Model Translation. The translated content is for reference only. We do not assume any commercial or legal responsibilty for any consequences arising from the use of our website