.png){kind=icon}
返回
A semantic segmentation network with dual-path decoding and cascaded multi-level feature interaction
.png){kind=icon}
PRE
AI
DOI：10.1007/s00530-025-02076-x.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
现有语义分割模型通常仅使用局部特征进行目标分割，由于多类分割任务中像素级信息的损失，导致边界不清晰，从而降低了网络性能。针对上述问题，本文提出了一种具有双路径解码和级联多级特征交互（DPD-CMFINet）的语义分割网络。首先，所提出的双路径解码结构通过特征融合和多阶段上采样策略，充分融合深层语义特征和浅层边界细节，从而改善由长距离跳跃连接引起的像素级信息损失。其次，所提出的级联多级特征交互模块（CMLFIM）通过利用分步特征聚合与交互，弥补了特征编码过程中的语义差异。此外，为从不同语义深度捕获多尺度特征，我们构建了层次化多尺度注意力模块（HMSAM），以使网络更有效地获取全局上下文。最后，我们设计了一个多分辨率语义融合模块（MRSFM），用于融合高分辨率特征和低分辨率特征，以获得更精确的分割图像。我们在多个数据集上进行了实验，以验证所提模型的分割性能。该模型在CamVid（The Cambridge-driving Labeled Video Database）数据集上的分割准确率和mIoU（平均交并比）分别为93.94%和80.53%，证明了所提方法的有效性。
Keyword:
Semantic segmentation
Attention module
Convolution fusion
Multi-scale
Semantic flow
期刊
IF:
3.1
论文数:
2.8K
被引数:
2.7K
机构
引用论文
RefineNet: Multi-path Refinement Networks for High-Resolution Semantic SegmentationRefineNet: 用于高分辨率语义分割的多路径细化网络
OAAI
OAAI分享收藏GPNet: Gated pyramid network for semantic segmentationGPNet: 用于语义分割的门控金字塔网络.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏分享收藏
查看更多内容