首页|基于多尺度注意力机制的实例分割卷积神经网络

基于多尺度注意力机制的实例分割卷积神经网络

扫码查看
在MaskR-CNN实例分割模型的基础上提出一种新的深度学习方法MixedMask。该方法提出并应用两种有效的策略:(1)使用混合尺度的卷积核,提高网络对分辨率较低实例的提取能力;(2)在压缩激励网络的基础上进行改进,解决原网络中降低维度导致的通道信息丢失问题。在气球数据集和xBD数据集上进行测试,该算法分别达到了 83。46%和58。92%的AP(IoU=50),相比Mask R-CNN模型,分别提升了 1。3%和5。9%。
AN INSTANCE SEGMENTATION CONVOLUTIONAL NEURAL NETWORK BASED ON MULTISCALE ATTENTION MECHANISM
Based on the instance segmentation model of Mask R-CNN,this paper proposes a new deep learning method named MixedMask.It offered two effective strategies.(1)The convolution kernel with mixed scale was used to improve the network's capability of extracting low-resolution instances.(2)Based on the squeeze-and-excitation networks,the improvement was made to solve the problem of channel information loss caused by the dimension reduction in the original network.Test on balloon datasets and xBD datasets shows that this method reaches 83.46%and 58.92%AP(IoU=50)respectively.Compared with the Mask R-CNN,the results were increase by 1.3%and 5.9%respectively.

Instance segmentationAttention mechanismHybrid convolution

王改华、林锦衡、程磊

展开 >

湖北工业大学电气与电子工程学院 湖北武汉 430068

湖北工业大学太阳能高效利用湖北省协同创新中心 湖北武汉 430068

实例分割 注意力机制 混合卷积

2024

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子:0.615
ISSN:1000-386X
年,卷(期):2024.41(3)
  • 15