公开(公告)号：CN115496909A

公开(公告)日：2022-12-20

申请号：CN202211302977.X

申请日：2022-10-24

Applicant: 桂林电子科技大学

Inventor： 雷晓春 ,  张永雅 ,  赵佳 ,  江泽涛 ,  潘奕伟 ,  张取 ,  唐麟

IPC: G06V10/26 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/04

Abstract: 本发明公开一种三分支自适应权重特征融合的语义分割方法，其语义分割网络先采用二分支全卷积网络进行特征提取，再采用三分支自适应权重融合对特征图进行融合。二分支特征提取网络对不同类型的图像进行特征提取，右分支可对输入的原始图像进行特征提取，左分支通过深度转换模块把输入原始图像变为深度图像再进行特征提取，不同类型图像可以提供不同感受野实现效果更好的特征提取。三分支自适应权重融合方式把不同图像的空间信息和语义信息按照像素级自适应权重的办法进行融合可以得到较好地定位和分割效果，并且对于物体的边界和对小物体的分割有不错的效果。

公开(公告)号：CN115908812A

公开(公告)日：2023-04-04

申请号：CN202211527335.X

申请日：2022-11-30

Applicant: 桂林电子科技大学

Inventor： 雷晓春 ,  潘奕伟 ,  江泽涛 ,  唐麟 ,  张永雅 ,  钱艺 ,  赵佳

IPC: G06V10/26 ,  G06V10/82 ,  G06V10/80 ,  G06V10/46 ,  G06N3/045

Abstract: 本发明公开一种注意力引导的可变形自注意力的语义分割方法，使用权重分离的通道注意力模块将不同权重的注意力特征通道进行分离。使用可变形自注意力的Transformer对高权重特征图进行特征提取，通过可变形自注意力窗口模块将切分的图像块变成适应目标形状的不规则的形状，然后进行填充成正方形图像块后送入Transformer，可以使自注意力更加聚焦于特征图中更关键的区域并获取更多的特征信息。使用双权重的双注意力模块对低权重特征图进行特征提取，通过获取特征图不同尺度的空间和通道注意力并进行聚合，可以使空间和通道注意力更好地得到特征图的空间和通道信息。本发明能够让语义分割的内存和计算成本更低，提升分割精度。