科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对现有图像语义分割模型小目标对象分割精度不理想以及目标较小条状区域较难分割等问题,提出一种融合注意力机制的PSPNet语义分割模型A-PSPNet。该模型在卷积网络特征提取阶段嵌入了CBAM注意力机制,同时使用全局池化对金字塔池化后的特征通道进行加权融合来保留更多的重要特征信息。基于自建的《格萨尔千幅唐卡》小目标图像数据集的实验结果表明,A-PSPNet与PSPNet、FCN相比,MPA指标值分别高了1.8%、0.3%,MIoU指标值分别高了4%、0.9%;基于PASCAL VOC2012开源数据集的实验结果表明,A-PSPNet在目标条状区域的分割效果明显优于PSPNet与FCN。
- 单位
