公开(公告)号：CN115170801A

公开(公告)日：2022-10-11

申请号：CN202210852168.X

申请日：2022-07-20

Applicant: 东南大学

Inventor： 张小国 ,  滕浩 ,  丁立早 ,  杜文俊 ,  王琦

IPC: G06V10/26 ,  G06V10/40 ,  G06V10/80 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明设计了一种基于双注意力机制融合的FDA‑DeepLab语义分割算法，主要包括以下几个步骤：按照DeepLabv3+模型框架搭建ResNet‑50结构的特征提取网络，在特征提取网络后搭建空间金字塔池化ASPP模块；设计双注意力机制特征融合模块；基于双注意力机制特征融合模块，设计特征融合模块，将高级特征图和低级特征图输入到特征融合模块中，得到输出图像，再经过深度可分离卷积和上采样得到语义分割结果，至此，FDA‑DeepLab模型搭建完毕；采用预训练好的模型对FDA‑DeepLab骨干模型进行初始化，对模型进行训练，改进损失函数对训练进行优化，使用训练好的FDA‑DeepLab模型和DeepLabv3+模型对测试集进行图像分割，对比性能。

公开(公告)号：CN115170931A

公开(公告)日：2022-10-11

申请号：CN202210852735.1

申请日：2022-07-20

Applicant: 东南大学

Inventor： 张小国 ,  滕浩 ,  丁立早 ,  杜文俊 ,  王琦

IPC: G06V20/00 ,  G06V10/25 ,  G06V10/40 ,  G06V10/774 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明设计了一种基于混合空洞卷积的CA‑YOLO目标检测算法，主要包括以下几个步骤：搭建YOLOv4模型；在SPP模块之前加入CA注意力模块，在主干网络backbone的残差模块中添加注意力模块；设计混合空洞卷积模块，将其添加到主干网络CSPDarkNet‑53中；在主干网络输出的卷积层和空间金字塔结构SPP上下两侧的卷积层中改变卷积次数，同时在PANet结构中的P3、P4头部输出端前侧和从特征金字塔提取后的P5位置加入空洞卷积，至此，CA‑YOLO模型搭建完毕；采用预训练好的模型对CA‑YOLO模型进行初始化，对模型进行训练，引入类平滑标签改进损失函数对模型进行优化，使用训练好的CA‑YOLO模型和YOLOv4模型对测试集进行图像检测，对比性能。