摘要
エンコード・デコード型のセマンティックセグメンテーションネットワークにおける大きな計算負荷と複雑なデコーダ構造の問題に対し、高効率なデコーダなし二値セマンティックセグメンテーションモデルDFNetを提案する。本モデルはまず、主流のセグメンテーションネットワークに存在する複雑なデコーダ構造とスキップ接続を除去し、畳み込みリシェイピングアップサンプリング法を用いて特徴エンコードを直接再構築し、セグメンテーション結果を得ることでネットワーク構造を簡素化する。次にエンコーダ内に軽量な二重注意メカニズムEC&SAを融合し、特徴エンコードのチャネルおよび空間情報の相互作用を高め、ネットワークのエンコード能力を強化する。最後に従来のセグメンテーション損失の代わりにPolyCE損失を使用し、正負サンプルの不均衡問題を解決し、モデルのセグメンテーション精度を向上させる。DeepGlobe道路セグメンテーションとCrackForest欠陥検出などの二値セグメンテーションデータセットでの実験結果は、本モデルのセグメンテーション精度F1平均値とIoU平均値がそれぞれ84.69％と73.95％に達し、セグメンテーション速度は最大94 FPSに達し、主流のセマンティックセグメンテーションモデルを大幅に上回り、セグメンテーションタスクの効率を大幅に向上させることを示している。
关键词
二値セグメンテーション;畳み込みリシェイピングアップサンプリング;EC&SA;PolyCE;道路セグメンテーション;欠陥検出
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