-
公开(公告)号:CN113066089B
公开(公告)日:2023-07-11
申请号:CN202110366778.4
申请日:2021-04-06
Applicant: 南京邮电大学
IPC: G06V10/26 , G06V10/40 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种基于注意力引导机制的实时图像语义分割方法,包括下采样单元,上采样单元,极致高效残差模块,自适应注意力模块以及自适应融合模块。整体网络结构的特征提取单元为极致高效残差模块,使用自适应注意力模块ASAM有效减小了模块的计算复杂度,且能捕捉到有效像素点之间的相关性信息;并通过自适应融合模块ASFM将低级与高级特征连接起来,在语义分割中,将不同层次的特征连接起来;通过对以上五个组件进行堆叠,构建基于注意力机制的实时语义分割网络,其中编码器生成下采样的特征图,解码器对深层的特征图进行上采样以匹配输入图像分辨率,恢复图像的空间信息并向分割类别映射,最终生成与输入图像相同分辨率的语义分割结果图。
-
公开(公告)号:CN113066089A
公开(公告)日:2021-07-02
申请号:CN202110366778.4
申请日:2021-04-06
Applicant: 南京邮电大学
Abstract: 一种基于注意力引导机制的实时图像语义分割网络,包括下采样单元,上采样单元,极致高效残差模块,自适应注意力模块以及自适应融合模块。整体网络结构的特征提取单元为极致高效残差模块,使用自适应注意力模块ASAM有效减小了模块的计算复杂度,且能捕捉到有效像素点之间的相关性信息;并通过自适应融合模块ASFM将低级与高级特征连接起来,在语义分割中,将不同层次的特征连接起来;通过对以上五个组件进行堆叠,构建基于注意力机制的实时语义分割网络,其中编码器生成下采样的特征图,解码器对深层的特征图进行上采样以匹配输入图像分辨率,恢复图像的空间信息并向分割类别映射,最终生成与输入图像相同分辨率的语义分割结果图。
-