科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对目前半监督语义分割方法复杂度高，训练精度低，参数量过大等问题，提出融合双重极化自注意力机制的轻量级半监督语义分割算法。首先，模型使用由位置感知循环卷积构造的resnet101残差网络作为分割骨干网络提取深层特征。其次，融合了通道及空间双重极化自注意力机制，在极化通道和空间注意力分支中保持较高内部分辨率。最后，将位置感知循环卷积与通道注意力操作结合起来，提升分割精度并降低计算成本，克服硬件支持等问题。在公开数据集PASCAL VOC 2012上的实验结果显示，该算法其平均交并比可达到76.32%，较基准模型准确率提高了3.52%，参数量减少了9%，模型硬件所占内存减小了61.6%。本文设计的模型与领域内最新算法相比，本文算法在精度、模型复杂度、参数量等方面均展现出了显著的优势。
- 单位
