期刊论文

中文

武汉轻工大学学报

2095-7386

2023

42

06

87-92

10.3969/j.issn.2095-7386.2023.06.012

D20201603:湖北省教育厅科学技术研究计划青年项目 Q20210608:湖北省教育厅科学技术研究计划青年项目 2021Y37:武汉轻工大学校级科研项目

本校为第一机构

为了提升图像分割的精确度,解决特征细节易丢失和目标边界模糊等问题,提出了一种结合卷积注意力和混合池化的 DeepLabV3+语义分割算法.用 ResNet101 网络代替原来的骨干网络Xception,采用卷积注意力机制模块来增强卷积神经网络对图像的关注能力,使用混合池化对卷积层中提取的特征进行挑选,加入深度可分离卷积以减少卷积的参数量,同时利用交叉熵作为损失函数.实验表明,所提算法使图像分割的精确度得到了提高,特征细节信息的损失明显减少,图像分割的平均交并比提升了 3.6%.该算法有效解决了边界模糊的问题,为提高目标识别的准确度提供了新的思路.

In order to improve the accuracy of image segmentation and solve the problems of easy loss of fea-ture details and blurred target boundary,this paper proposes a DeepLabV3+ semantic segmentation algo-rithm combining convolutional attention and mix pooling.The ResNet101 network is used to replace the o-riginal backbone network Xception,the convolutional attention mechanism module is used to enhance the a-bility of convolutional neural network to focus on images,the features extracted from the convolutional lay-er are selected by mixing pooling,the depth separable convolution is added to reduce t...