分组双注意力语义分割网络

作者：陈小龙^*; 赵骥; 陈思溢^*; 杜鑫浩; 刘鑫

来源：激光与光电子学进展, 2021, 58(22): 162-171.

• 图像处理
• 语义分割
• 注意力模块
• 深度学习

深度学习和自注意力机制的应用,使语义分割网络的性能得到了大幅提升。针对目前自注意力机制将每个像素的所有通道看作一个向量进行计算的粗糙性,基于空间维度和通道维度提出了一种分组双注意力网络。首先,将特征层分成多组;然后,自适应过滤掉每组特征层的无效基组,从而捕获精确的上下文信息;最后,将多组加权后的信息进行融合,获得较强的上下文信息。实验结果表明,本网络在两个数据集上的分割性能均优于双注意力网络,在PASCAL VOC2012验证集上的分割精度为85.6%,在Cityscapes验证集上的分割精度为71.7%。

• 单位
  清华大学; 湘潭大学