基于注意力机制和辅助任务的语义分割算法

作者：叶剑锋; 徐轲; 熊峻峰; 王化明^*

来源：计算机工程, 2021, 47(09): 203-216.

DOI：10.19678/j.issn.1000-3428.0058447

• 注意力机制
• 辅助任务
• 辅助损失
• 多任务学习
• 语义分割

为提高网络模型低层特征的离散度和语义分割算法的性能,以全卷积神经网络作为基础模型,提出一种基于辅助损失、边缘检测辅助任务和注意力机制的语义分割算法。通过重新设计网络模型的辅助损失分支,使网络低层特征编码更多语义信息。在多任务学习中,选择边缘检测作为辅助任务,基于注意力机制设计边缘检测的辅助任务分支,使网络模型更关注物体的形状和边缘信息。在此基础上,将基础模型、辅助损失分支、辅助任务分支集成构造为语义分割模型。在VOC2012数据集上的实验结果表明,该算法的平均交并比为71.5%,相比基础模型算法提高了6个百分点。

• 单位
  机电工程学院; 南京航空航天大学