摘要
针对传统卷积神经网络进行人像分割任务时由于图像的复杂性及目标区域的多样性,导致图像在边缘区域分割不完全和图像上下文特征信息利用不充分的问题,采用改进的UNet网络,该网络采用LeWin Transformer Block代替普通的卷积模块,该模块能将卷积神经网络的局部信息关联能力和Transformer的全局信息捕捉能力相结合。用于增强网络获取不同尺度特征的能力。同时在跳跃连接部分引入卷积注意力机制(CBAM),对编码器得到的各层次特征依据其重要性实现不同程度的加权,加强网络对图像细节特征的学习。
出处
《电脑知识与技术》
2024年第24期14-16,共3页
Computer Knowledge and Technology
基金
2024年河北省省级研究生示范课程建设项目,编号KCJSX20241082024
2024年度校级研究生创新基金,编号XY2024040。
