声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：43-1258/TP
国际刊号：1007-130X
发布日期:
作者：马冬梅, 黄欣悦, 李煜
单位：（西北师范大学物理与电子工程学院，甘肃 兰州 730070）
关键词：图像处理,语义分割,DeepLabV3+,通道剪枝,拆分三重注意力,细粒度上采样,
基金：国家自然科学基金（61961037）
针对目前高精度语义分割模型需要大量计算资源，难以在硬件存储和计算力有限的嵌入式平台上部署，提出了一种基于特征融合和注意力机制的图像语义分割模型。首先，对基于DeepLabV3+的模型进行优化，采用通道剪枝对MobileNetV2骨干网络轻量化；然后，在轻量化后的模型中引入拆分三重注意力模块(STA)来提高特征图内部维度相关性；最后，在解码部分增加细粒度上采样模块完善边缘细节信息。在PASCAL VOC 2012和Cityscapes数据集上的实验中，本文模型的参数量仅为4.15×106，浮点计算量为10.23 GFLOPs，平均交并比分别为70.98%和72.26%，表明该模型在计算资源、内存占用和准确性之间达到了较好的均衡。
来源：2023年第3期
《计算机工程与科学》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。