.png){kind=icon}
返回
Multibranch semantic image segmentation model based on edge optimization and category perception
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0315621.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在语义图像分割任务中，大多数方法未能充分利用不同尺度和层级的特点，而是直接执行上采样。这可能导致一些有效信息被误认为冗余信息而被丢弃，进而导致物体分割混淆。随着卷积层加深，空间细节信息的损失使得物体边界处达到的分割效果不够准确。为解决上述问题，我们提出了一种边缘优化和类别感知的多分支语义分割网络（ECMNet）。首先，采用一种注意力引导的多分支融合骨干网络，将不同分辨率的特征并行连接，并执行多尺度信息交互以减少空间细节信息的损失。其次，通过类别感知模块学习类别特征表示，并借助注意力机制引导像素分类过程，以优化最终的分割精度。最后，采用边缘优化模块，通过自适应算法将边缘特征整合到网络的中层和深度监督层中，以增强其边缘特征表达能力并优化边缘分割效果。实验结果表明，该方法在Cityspaces数据集上的MIoU值达到79.2%，在CamVid数据集上达到79.6%，参数数量显著低于其他模型，且能够有效提升语义图像分割性能，解决部分类别的分割混淆问题，具有潜在的应用前景。
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
引用论文
SPMNet: A light-weighted network with separable pyramid module for real-time semantic segmentationSPMNet：一种带有可分离金字塔模块的轻量化网络，用于实时语义分割
PREAI
分享收藏RELAXNet: Residual efficient learning and attention expected fusion network for real-time semantic segmentation.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏分享收藏
查看更多内容