融合多层次特征的DeepLabv3+轻量级图像分割算法OA北大核心CSTPCD

基于深度学习的图像语义分割模型通常参数量大,复杂度高,难以部署到移动平台。针对以上问题,对DeepLabv3+算法进行改进,提出一种改进的轻量级图像分割算法。模型的骨干网络使用轻量级MoblieNetv2网络,并获取四个不同层次的输入特征,得到四种不同的语义信息;提出CAFF(coordinate attention feature fusion)模块,融合中间两个层次特征并加入位置信息;改进空洞空间金字塔池化(atrous spatial pyramid pooling,ASPP)模块,提出CS_ASPP(channel strip_atrous spatial pyramid pooling)模块,在不同膨胀率的空洞卷积后引入CAM(channel attention module)机制,同时并联带状池化(strip pooling,SP)获取上下文信息,并在特征融合后引入SAM(spatial attention module)机制提升分割精度。在PASCAL VOC 2012数据集上进行实验,平均交并比(mIoU)达到了79.14%。实验结果表明,该模型更加精准,且在参数量、分割速度以及分割效果之间达到了较好的平衡。