融合多层次特征的deeplabV3+轻量级图像分割算法

作者：周华平; 邓彬^*

来源：计算机工程与应用, 2023, 1-9.

• 图像分割
• DeepLabV3+
• 多层次特征融合
• 轻量级
• 注意力机制

基于深度学习的图像语义分割模型通常参数量大，复杂度高，难以部署到移动平台。针对以上问题，本文对DeepLabV3+算法进行改进，提出一种改进的轻量级图像分割算法。首先，模型的骨干网络使用轻量级MoblieNetV2网络，并获取四个不同层次的输入特征，得到四种不同的语义信息；提出CAFF(Coordinate Attention Feature Fusion)模块，融合中间两个层次特征并加入位置信息；改进空洞空间金字塔池化(ASPP)模块，提出CS＿ASPP模块，在不同膨胀率的空洞卷积后引入CAM注意力机制，同时并联条行池化(SP)获取上下文信息，并在特征融合后引入SAM注意力机制提升分割精度。在经过PASCAL VOC 2012数据集的实验后，平均交并比(mIoU)达到了79.14%。实验结果表明，该模型更加精准，且在参数量、分割速度以及分割效果之间达到了较好的平衡。

• 单位
  安徽理工大学