基于DeepLabV3+模型改进的图像分割方法研究

作     者：李武攀 梁玉琦 LI Wupan;LIANG Yuqi

作者机构：兰州交通大学光电技术与智能控制教育部重点实验室甘肃兰州730070 

出 版 物：《现代信息科技》 (Modern Information Technology)

年 卷 期：2024年第8卷第19期

页      面：39-43页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 

主　　题：图像分割 深度学习 自注意力机制 上采样方法 卷积神经网络 

摘      要：近年来,计算机视觉快速发展,其中图像分割在计算机视觉中也举足轻重,在城市现代化建设,智能驾驶,地理勘测等方面都得到了充分应用。但是,大多数分割方法只关注图像特征的纵向深层特征与浅层特征的简单融合,而忽略了同一层图像特征的横向远程关系。针对此问题,基于DeepLabV3+框架,加入Swin-Transformer block,利用其自注意力机制特点,进行网络特征提取,以提高图像分割的全局和细节优化。其次,改进DeepLabV3+中上采样方法,利用CARAFE上采样模块取代简单的双线性插值法。实验表明,改进后的模型相较于基线模型MIoU提升2%,ACC提升1%。