DFNet:高效的无解码语义分割方法OA北大核心CSTPCD
针对编解码语义分割网络计算量大、解码结构复杂的问题,提出一种高效无解码的二值语义分割模型DFNet。该模型首先去除主流分割网络中复杂的解码结构和跳跃连接,采用卷积重塑上采样方法重塑特征编码直接得到分割结果,简化网络模型结构;其次在编码器中融合轻量双重注意力机制EC&SA,提高特征编码的通道及空间信息交互,增强网络的编码能力;最后使用PolyCE损失替代常规分割损失,解决正负样本不均衡问题,提高模型的分割精度。在Deep‑Globe道路分割和CrackForest缺陷检测等二值分割数据集上的实验结果表明,本文模型的分割精度F1均值和IoU均值分别达到84.69%和73.95%,且分割速度高达94 FPS,远超主流语义分割模型,极大地提高了分割任务效率。
刘腊梅;杜宝昌;黄惠玲;章永鉴;韩军;
辽宁工程技术大学软件学院,辽宁葫芦岛125000辽宁工程技术大学软件学院,辽宁葫芦岛125000 中国科学院海西研究院泉州装备制造研究中心,福建泉州362000中国科学院海西研究院泉州装备制造研究中心,福建泉州362000中国科学院海西研究院泉州装备制造研究中心,福建泉州362000 厦门理工学院电气工程与自动化学院,福建厦门361024
计算机与自动化
二值分割卷积重塑上采样EC&SAPolyCE道路分割缺陷检测
《液晶与显示》 2024 (002)
P.121-130 / 10
福建省科技计划(No.2019T3025,No.2021T3060,No.2021T3032,No.2021T3010);福建省闽都实验室主任基金(No.2021ZR107)。
评论