摘要
DeepLabv3+モデルにおける画像対象のエッジ分割の不正確さや異なるクラス対象の分割の一貫性の問題に対して、クラス特徴注意機構の融合に基づくセマンティックセグメンテーションアルゴリズムを提案する。本アルゴリズムは、DeepLabv3+モデルのエンコーダ側にクラス間の関連性を強化するクラス特徴注意モジュールを設計し、異なるクラスのセマンティック情報をより良く抽出・処理する。次に、多段階並列の空間ピラミッドプーリング構造を採用して空間間の相関を強化し、画像の異なるスケールのコンテキスト情報をより良く抽出する。最後にデコーダ側でチャネル注意モジュールを活用して多層融合特徴を再校正し、冗長情報を抑制し顕著な特徴を強化してネットワークの表現能力を向上させる。Pascal Voc2012およびCityscapesデータセットにて改良モデルの有効性と汎化性の実験を行い、平均交差率はそれぞれ81.34％および76.27％に達し、画像エッジ分割がより精細になりクラスがより明確になり、本論文の比較アルゴリズムより著しく優れていることを示した。
关键词
マルチスケール特徴融合;クラス特徴;注意機構;セマンティックセグメンテーション;DeepLabv3+
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