首页|基于特征自干扰与像素注意力机制的道路分割网络

基于特征自干扰与像素注意力机制的道路分割网络

Road segmentation network based on feature self-disturbance and pixel attention mechanism

扫码查看
原文链接
  • 维普
  • 万方数据
主流网络在提取图片特征过程中易受其他目标干扰导致特征鲁棒性降低,而现有的基于噪声抗干扰机制有着伪特征与真实特征相似度不高这一劣势;注意力机制的运用可以提升道路场景特征的空间上下文关系从而增强特征的抗干扰能力,但现有的注意力机制缺乏像素级的特征筛选.针对上述问题提出了基于图像特征自干扰与像素注意力机制的道路分割网络,该网络分为主干分割网络和特征自干扰网络两部分,主干的分割网络包含像素注意力模块,可实现真实特征的提取和像素级的增强;自干扰网络输入原始图像随机裁剪和插值放大后得到的局部图生成伪特征,此外提出了融合模块用于实现伪特征与真实特征的融合并对主分割网络中间特征进行干扰.在KITTI和Cityscapes道路数据库上的实验表明:基于图像特征自干扰与像素注意力机制的分割方法与DeepLab V3分割方法相比,在KITTI数据集上的分割精度由88.02％提升至90.55％,在City-scapes数据集上的分割精度由87.15％提升至90.16％.

吴继璋、陈雪云、丁启辰、刘泓锟

展开 >

广西大学 电气工程学院,广西南宁530004

广西电力职业技术学院 汽车与交通工程学院,广西南宁530007

深度学习 道路分割 图像特征自干扰机制 像素注意力机制

62061002

2022

10.13624/j.cnki.issn.1001-7445.2022.1350

广西大学学报(自然科学版)
广西大学

广西大学学报(自然科学版)

CSTPCD北大核心
影响因子：0.767
ISSN：1001-7445
年,卷(期)：2022.47(5)
  • 1