公开(公告)号：CN113095330A

公开(公告)日：2021-07-09

申请号：CN202110482353.X

申请日：2021-04-30

Applicant: 辽宁工程技术大学

Inventor： 叶松发 ,  齐向明 ,  王晓龙 ,  刘强 ,  严萍萍 ,  李健林

IPC: G06K9/34 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种用于语义分割像素组的压缩注意力模型，该模型利用有效的压缩注意力(SA)模块来解决语义分割中像素组的两个独特特征：(1)像素组注意力和(2)逐像素预测。具体而言，提出的SA模型通过引入“注意力”卷积通道将像素组注意力强加于常规卷积上，从而以有效的方式考虑了空间通道的相互依赖性。与现有的注意力模型不同，使用通过池化层实现的下采样通道来聚合多尺度特征并同时生成的压缩全局注意力模型(SA)。因此，SA模型增强了像素级密集预测的目标，并考虑了被忽略的像素组注意力的问题。本发明相较于其他方法都有显著提高，在PASCAL数据集上的测试结果表明新方法的PAcc和mIoU高于FCN50、FCN101等经典方法。