计算机工程

作者：闵莉, 董冰洁, 安冬

单位：沈阳建筑大学机械工程学院, 辽宁 沈阳 110168

关键词：语义分割,DeepLabv3+网络,MobileNetv2网络,坐标注意力,卷积块注意力模块,跨特征融合

基金：国家自然科学基金面上项目(51975130); 辽宁省教育厅项目(LJKMZ20220915)

图像语义分割技术在缺陷检测、医疗诊断、无人驾驶等领域广泛应用。针对现有语义分割模型普遍存在训练成本过高、目标轮廓分割效果不佳以及对小目标误分割、漏分割等问题, 基于DeepLabv3+网络框架, 提出多注意力机制与跨特征融合相结合的图像语义分割算法。该算法选取轻量级网络MobileNetv2作为主干, 以缩短训练时间; 通过优化空洞空间金字塔池化模块中空洞卷积的膨胀率, 改善多尺度语义特征的提取效果, 提高模型对小目标的分割能力, 并将兼具通道与空间的卷积块注意力机制引入其中, 更加关注对分割起决定作用的区域, 从而加强对目标边界的提取; 在编码器中设计跨特征融合模块, 以聚合不同层次特征图的空间信息和语义信息, 提高网络学习特征的能力; 在编码和解码部分均引入坐标注意力机制, 以分解全局平均池化的方式将位置信息嵌入到通道中, 从而得到分割目标的准确位置。实验结果表明, 所提算法F3crc-DeepLabv3+在PASCAL VOC 2012增强数据集和Cityspaces数据集上的平均交并比分别达到了75.06%和73.06%, 平均精度分别达到了84.16%和82.05%, 精确率分别达到了86.18%和85.43%, 训练时间分别为10 h和13.8 h, 具有较优的网络性能。

来源：2024年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第8期