基于Deeplab-v3+的小目标与边缘增强热图像语义分割网络

作     者：任莎莎 刘琼 张晓东 REN Shasha;LIU Qiong;ZHANG Xiaodong

作者机构：华南理工大学软件学院广东广州511436 皖西学院机械与车辆工程学院安徽六安237012 

基　　金：国家自然科学基金(61976094) 

出 版 物：《厦门大学学报（自然科学版）》 (Journal of Xiamen University：Natural Science)

年 卷 期：2022年第61卷第4期

页      码：701-713页

摘      要：由于热图像存在无颜色信息,边缘模糊,细节信息较弱等问题,较难获得高质量的图像分割效果.为解决这个问题,在编码-解码(encode-decode)架构的基础上,本文增加了多级像素空间注意模块(multi-level pixel spatial attention module,MPAM)、边缘提取模块(edge extraction module,EEM)和小目标提取模块(tiny target extraction module,TTM).其中,MPAM能使网络充分保留细节的同时捕捉到语义信息,EEM和TTM分别提取具有语义信息的边缘和小目标等细节特征.为提高各类别边缘相交区域像素点和小目标物体的预测精度,设计了专门的损失函数对已获得的边缘和小目标特征进行监督训练,提高各类别边缘相交区域像素点和小目标物体的预测精度.将该方法分别应用于课题组构建的热图像数据集SCUT_SEG、公开的热图像数据集SODA和合成热红外数据集Cityscpae,实验结果表明:本文方法比FCN、PSPNet、Deeplabv3+、MCNet、EC-CNN等5种网络分割算法效果略好,性能提升约2.2个百分点.

主 题 词：热图像语义分割 编码-解码 注意模块 小目标特征 边缘特征 

学科分类：07[理学] 070104[070104] 0701[理学-数学类] 

D　O　I：10.6043/j.issn.0438-0479.202110024

馆 藏 号：203113301...