基于曼哈顿距离自注意力机制的 U-Net3+图像分割

作     者：张志玮 叶曦 杨志红 ZHANG Zhiwei;YE Xi;YANG Zhihong

作者机构：江汉大学智能制造学院湖北武汉430056 

基　　金：江汉大学四新学科专项项目(2022SXZX32) 

出 版 物：《江汉大学学报（自然科学版）》 (Journal of Jianghan University：Natural Science Edition)

年 卷 期：2024年第52卷第2期

页      码：56-67页

摘      要：目前主流图像分割算法在分割边界上对特征相似而类别不同的像素鉴别能力不佳,从而影响了分割精度。设计了一种基于曼哈顿距离自注意力机制的U-Net3+图像分割算法,通过关注不同特征点之间信息表征的差异程度来对大范围上下文信息关系进行建模,增强算法对特征相似而类别不同的像素的鉴别能力和对全局关系的学习能力;再通过U-Net3+的全尺度跳跃连接结构将不同尺度的特征相融合,为算法提供更多尺度的上下文信息,使分割算法兼顾细节信息和全局关系。使用COVID-19 CT数据集对该算法进行实验测试,结果表明,引入基于曼哈顿距离自注意力机制后U-Net3+的Dice和IoU指标分别提升了2.79%和3.17%,对比使用多头自注意力机制的U-Net3+分别提升了1.06%和1.02%,证明了该算法的有效性和优越性。

主 题 词：图像分割 自注意力机制 曼哈顿距离 U-Net3+ 

学科分类：12[管理学] 1201[管理学-管理科学与工程类] 081104[081104] 08[工学] 0835[0835] 0811[工学-水利类] 0812[工学-测绘类] 

D　O　I：10.16389/j.cnki.cn42-1737/n.2024.02.007

馆 藏 号：203127395...