一种用于车辆图像分割的MSSA-UNet模型

作者：赵红爱; 王旭智; 万旺根

来源：电子测量技术, 2022, 45(08): 102-107.

DOI：10.19651/j.cnki.emt.2208764

• 空洞卷积
• 多尺度
• 空间注意力
• 图像分割
• 卷积神经网络

针对实际交通场景下的车辆图像分割方法存在模糊、效果差的问题，本文以UNet神经网络模型为基础，提出了一种融合多尺度模块和空间注意力机制的MSSA-UNet模型。在编解码阶段，采用空洞卷积构建多尺度模块，改善卷积层感受野大小受限的同时输出包含多尺度的特征信息。在上采样前，引入空间注意力机制来弥补采样过程中的局部信息丢失问题，提高特征还原能力。结合交叉熵损失与Dice损失，优化网络学习和训练过程，提高模型的分割精度。实验结果表明，本文提出的MSSA-UNet模型对于车辆图像分割任务在IoU评价指标达到83.48%,较改进前准确度提升了2.28%,模型预测值和真实值更接近，分割效果更好，有效提升了模型的分割性能。

• 单位
  通信与信息工程学院; 上海大学