融合多层次特征的DeepLabv3+轻量级图像分割算法

来源：计算机工程与应用杂志2024年第16期北京时间：

作者：周华平, 邓彬

单位：安徽理工大学 计算机科学与工程学院，安徽 淮南 232001

摘要：基于深度学习的图像语义分割模型通常参数量大，复杂度高，难以部署到移动平台。针对以上问题，对DeepLabv3+算法进行改进，提出一种改进的轻量级图像分割算法。模型的骨干网络使用轻量级MoblieNetv2网络，并获取四个不同层次的输入特征，得到四种不同的语义信息；提出CAFF（coordinate attention feature fusion）模块，融合中间两个层次特征并加入位置信息；改进空洞空间金字塔池化（atrous spatial pyramid pooling，ASPP）模块，提出CS_ASPP（channel strip_atrous spatial pyramid pooling）模块，在不同膨胀率的空洞卷积后引入CAM（channel attention module）机制，同时并联带状池化（strip pooling，SP）获取上下文信息，并在特征融合后引入SAM（spatial attention module）机制提升分割精度。在PASCAL VOC 2012数据集上进行实验，平均交并比（mIoU）达到了79.14%。实验结果表明，该模型更加精准，且在参数量、分割速度以及分割效果之间达到了较好的平衡。

关键词：图像分割,DeepLabV3+,多层次特征融合,轻量级,注意力机制