一种用于车辆图像分割的MSSA-UNet模型

来源：电子测量技术杂志2022年第8期北京时间：

作者：赵红爱，王旭智，万旺根

单位：1.上海大学 通信与信息工程学院 上海 200072;2.上海大学 智慧城市研究院 上海 200072

摘要：针对实际交通场景下的车辆图像分割方法存在模糊、效果差的问题，本文以UNet神经网络模型为基础，提出了一种融合多尺度模块和空间注意力机制的MSSA-UNet模型。在编解码阶段，采用空洞卷积构建多尺度模块，改善卷积层感受野大小受限的同时输出包含多尺度的特征信息。在上采样前，引入空间注意力机制来弥补采样过程中的局部信息丢失问题，提高特征还原能力。结合交叉熵损失与Dice损失，优化网络学习和训练过程，提高模型的分割精度。实验结果表明，本文提出的MSSA-UNet模型对于车辆图像分割任务在IoU评价指标达到83.48%，较改进前准确度提升了2.28%，模型预测值和真实值更接近，分割效果更好，有效提升了模型的分割性能。

关键词：空洞卷积;多尺度;空间注意力;图像分割;卷积神经网络

基金资助：安徽省自然科学基金（No:1908085MF178）、安徽省重点研究和开发计划项目（No:202104b11020031）、中国博士后基金项目（2020M681264）资助