.png){kind=icon}
返回
MFA-Deeplabv3+: an improved lightweight semantic segmentation algorithm based on Deeplabv3+
.png){kind=icon}
OA
AI
DOI：10.1007/s40747-025-02028-y.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
广泛使用的DeepLabv3+网络在语义分割中存在参数过多、边缘目标分割不精确以及在移动设备上部署困难等问题。本文基于DeepLabv3+提出了一种改进的轻量化语义分割算法MFA-DeepLabv3+。所提出的MFA-DeepLabv3+采用MobileNetV2作为骨干网络以减少模型参数和计算成本。设计了一种多特征融合（MFF）结构来扩展感受野，同时优化了Atrous Spatial Pyramid Pooling（ASPP）模块中的膨胀率，以增强空间信息提取并缓解关键信息损失。此外，引入了全局金字塔注意力（GPA）模块来改善上下文感知特征捕捉，使网络能够通过自适应信息过滤聚焦于关键图像区域。实验结果表明，在PASCAL VOC 2012_aug数据集上，模型在mIou和FWIoU上分别提升了1.64%和1.21%；在Cityscapes数据集上，mIou和FWIoU分别提升了2.75%和1.42%，同时参数量减少了83%。
Keyword:
Semantic segmentation
Lightweighting
Deeplabv3+
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.6
论文数:
2.1K
被引数:
6.6K
机构
引用论文
AutoSegEdge: Searching for the edge device real-time semantic segmentation based on multi-task learningAutoSegEdge: 基于多任务学习的边缘设备实时语义分割
PREAI
分享收藏An improved semantic segmentation algorithm for high-resolution remote sensing images based on DeepLabv3+基于DeepLabv3的高分辨率遥感图像语义分割改进算法.png)
SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏
Edge Computing for Autonomous Driving: Opportunities and Challenges自动驾驶的边缘计算: 机遇与挑战PROCEEDINGS OF THE IEEE
PROCEEDINGS OF THE IEEEIF25.9
PREAI
分享收藏ECA-Net: Efficient Channel Attention for Deep Convolutional Neural NetworksEca-net: 深度卷积神经网络的高效信道关注OAAI
OAAI分享收藏
查看更多内容