Para enfrentar os problemas de segmentação imprecisa das bordas dos objetos em imagens e a segmentação inconsistente de objetos de diferentes classes no modelo DeepLabv3+, propõe-se um algoritmo de segmentação semântica baseado na fusão do mecanismo de atenção às características de classes. Este algoritmo inicialmente projeta um módulo de atenção às características de classes na codificação do modelo DeepLabv3+ para melhorar a correlação entre categorias, permitindo extrair e processar melhor as informações semânticas de diferentes classes. Em seguida, utiliza uma estrutura de pooling piramidal espacial paralela multinível para melhorar a correlação espacial e extrair melhor as informações contextuais em diferentes escalas da imagem. Por fim, no decodificador, utiliza-se um módulo de atenção de canais para recalibrar as características fundidas em múltiplas camadas, suprimir informações redundantes e reforçar características salientes para melhorar a capacidade representativa da rede. Realizaram-se experimentos de eficácia e generalização com o modelo aprimorado nos conjuntos de dados Pascal Voc2012 e Cityscapes, alcançando médias de interseção sobre união de 81,34% e 76,27%, respectivamente, tornando a segmentação das bordas da imagem mais detalhada e as classes mais claras, superando significativamente os algoritmos comparados neste artigo.

fusão de características multiescala;características de classe;mecanismo de atenção;segmentação semântica;DeepLabv3+