期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于双注意力模块的FDA-DeepLab语义分割网络
被引量:
4
1
作者
张小国
丁立
早
+2 位作者
刘亚飞
郑子豪
王庆
《东南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2022年第6期1145-1151,共7页
针对DeepLabv3+对相似对象容易误判、小目标容易遗漏、预测输出存在空洞等问题,提出了一种融合通道注意力机制和空间注意力机制的FDA-DeepLab图像语义分割网络.首先,设计了一种结合通道注意力机制和空间注意力机制的特征融合模块,分别在...
针对DeepLabv3+对相似对象容易误判、小目标容易遗漏、预测输出存在空洞等问题,提出了一种融合通道注意力机制和空间注意力机制的FDA-DeepLab图像语义分割网络.首先,设计了一种结合通道注意力机制和空间注意力机制的特征融合模块,分别在4、8、16倍下采样特征图上使用该模块融合低层特征以弥补高层特征的不足;然后,针对训练样本的非均衡性问题,通过引入样本难度权重调节因子和类别权重改进了损失函数,提高了图像语义分割精度.最后,设计了消融和对比实验验证了所提网络.实验结果证明,该网络可有效提高模型的语义分割性能,在PASCAL VOC 2012验证集上相比原始模型MIoU值提高了1.2%,多尺度输入时MIoU值提高了1.9%.
展开更多
关键词
注意力机制
语义分割
损失函数
DeepLabv3+
下载PDF
职称材料
题名
基于双注意力模块的FDA-DeepLab语义分割网络
被引量:
4
1
作者
张小国
丁立
早
刘亚飞
郑子豪
王庆
机构
东南大学仪器科学与工程学院
东南大学软件学院
出处
《东南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2022年第6期1145-1151,共7页
基金
国家重点研发计划资助项目(2020YFD1100201)。
文摘
针对DeepLabv3+对相似对象容易误判、小目标容易遗漏、预测输出存在空洞等问题,提出了一种融合通道注意力机制和空间注意力机制的FDA-DeepLab图像语义分割网络.首先,设计了一种结合通道注意力机制和空间注意力机制的特征融合模块,分别在4、8、16倍下采样特征图上使用该模块融合低层特征以弥补高层特征的不足;然后,针对训练样本的非均衡性问题,通过引入样本难度权重调节因子和类别权重改进了损失函数,提高了图像语义分割精度.最后,设计了消融和对比实验验证了所提网络.实验结果证明,该网络可有效提高模型的语义分割性能,在PASCAL VOC 2012验证集上相比原始模型MIoU值提高了1.2%,多尺度输入时MIoU值提高了1.9%.
关键词
注意力机制
语义分割
损失函数
DeepLabv3+
Keywords
attention mechanism
semantic segmentation
lost function
DeepLabv3+
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于双注意力模块的FDA-DeepLab语义分割网络
张小国
丁立
早
刘亚飞
郑子豪
王庆
《东南大学学报(自然科学版)》
EI
CAS
CSCD
北大核心
2022
4
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部