科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对期望最大化注意(EMA)算法的参数与图像的语义关联不足以及缺少对通道间信息的关注，提出一种双重注意力网络EMA+.该方法设计2个模块:空间注意力模块和通道注意力模块.在空间注意力模块中以EMA算法为主体架构，在责任估计(AE)步骤采用特征图自身作为EM算法中初始参数，增加参数与特征图语义上的关联；在通道注意力模块中使用高效通道注意力(ECA)， 通过使用一维卷积学习通道之间交互信息，避免由于降维操作导致的破坏通道与其权重之间的直接对应关系. EMA+通过融合空间注意力模块和通道注意力模块，显著提高了语义分割任务的性能.实验结果表明，EMA+在PASCAL VOC 2012和一些更复杂的数据集上均取得了较EMANet以及其他有竞争力的先进方法更优的交并比指标，有较好的泛化能力.
- 单位
