融合坐标注意力与混联采样的烟叶主脉轻量级语义分割

来源：计算机工程与应用杂志2024年第24期北京时间：

作者：苏帅林, 甘博敏, 龙杰, 刘宇晨, 盖小雷, 张冀武

单位：1.昆明理工大学 机电工程学院，昆明 650550；2.云南省烟草室质量监督监测站，昆明 650500

摘要：针对目前烟叶主脉的分析过程自动化低，难以应对复杂烟叶主脉提取与识别的问题，提出一种基于坐标注意力（coordinate attention，CA）与混合联接空洞空间金字塔池化（mixed-connections atrous spatial pyramid pooling，MASPP）的烟叶主脉轻量级语义分割方法。该算法以DeepLabV3+网络模型为框架，采用轻量级MobileNetV2替换原始框架中的Xception网络，以“扩充-提取-压缩”方式进行主干特征提取，减少网络模型参数量；引入坐标注意力机制加强对烟叶主脉细微特征的学习能力，改善分割主脉时与主脉真实分布相比较所存在的区域错分情况；采用“混联密接采样”的MASPP结构替代原始网络模型中的空洞空间卷积池化金字塔，改善烟叶主脉分割存在的断续分割情况。实验结果表明，与原始的DeepLabV3+语义分割算法相比较，训练时间从635?min缩减为311?min，平均交互比（mIOU）达到80.66%，平均像素精度（mPA）达到91.96%，网络模型参数量压缩85.32%，储存空间降为30.63?MB。在保证分割精度的同时减少模型训练时间，为烟叶主脉分割提供了新的思路和方法。

关键词：烟叶主脉,轻量化,注意力机制,密接采样,DeepLabV3+