基于注意力机制与多尺度池化的实时语义分割网络OACSTPCD
Real-Time Semantic Segmentation Network Based on Attention Mechanism and Multi-Scale Pooling
现有语义分割算法在精确度方面表现良好,但在速度上难以满足实时性要求.为提升网络分割速度同时确保高精确度,提出一种新型实时语义分割网络.设计融合通道注意力模块,先通过最大池化和平均池化捕捉全局特征,对池化后的特征图进行级联、卷积和变形以得到各通道权重,再将原特征图与各通道权重进行矩阵乘法操作,得到融合通道权重.将融合通道权重与原特征图进行元素级乘法操作,保证各通道权重与原特征图有效融合.提出一种轻量化金字塔场景解析模块,使用多尺度池化操作充分捕捉多…查看全部>>
王卓;瞿绍军
湖南师范大学 信息科学与工程学院,长沙 410081湖南师范大学 信息科学与工程学院,长沙 410081
计算机与自动化
语义分割全局特征注意力机制金字塔场景解析多尺度池化
semantic segmentationglobal featureattention mechanismpyramid scene parsingmulti-scale pooling
《计算机工程》 2023 (10)
视觉分析与理解中的几个次模优化问题研究
222-229,238,9
国家自然科学基金(12071126).
评论