基于多尺度特征融合的改进型云图分割方法

作者：吉茹; 张银胜^*; 杨宇龙; 周乐佳

来源：国外电子测量技术, 2022, 41(11): 37-44.

DOI：10.19652/j.cnki.femt.2204231

• SegNet
• 多尺度特征融合
• Transformer架构
• 复合损失函数

为了解决现有云图语义分割任务中泛化能力差，边缘信息不敏感，容易发生误检、漏检的问题，提出基于SegNet的多尺度特征融合的云图分割方法。首先通过多尺度特征融合模块获取更多特征信息，同时通过高效通道注意力机制获取重要的边缘特征信息，采用改进的Transformer架构优化分割结果，然后提出改进的复合损失函数，以Dice损失函数作为Log＿Cosh损失函数的输入，与交叉熵损失函数和边界损失函数进行加权组合，最后将云图输入基于多尺度特征融合的改进型云图分割模型中分割。结果表明，与传统SegNet相比，该模型在云图分割任务中的准确率、精确率和平均交并比分别提升2.45%、2.38%、5.25%,可见改进方法具有更好的泛化和边缘检测效果。

• 单位
  南京信息工程大学滨江学院; 枣庄学院; 南京信息工程大学; 电子信息工程学院