融合双重极化注意力的轻量化半监督语义分割

来源：计算机工程与应用杂志2024年第8期北京时间：

作者：马冬梅, 李悦媛, 陈曦

单位：1.西北师范大学 物理与电子工程学院，兰州 730070；2.甘肃省智能信息技术与应用工程研究中心，兰州 730070；3.河北工业大学 电子信息工程学院，天津 300401

摘要：针对目前半监督语义分割方法复杂度高、训练精度低、参数量过大等问题，提出融合双重极化自注意力机制的轻量级半监督语义分割算法。模型使用由位置感知循环卷积构造的Resnet-101残差网络作为分割骨干网络提取深层特征。融合了通道及空间双重极化自注意力机制，在极化通道和空间注意力分支中保持较高内部分辨率。将位置感知循环卷积与通道注意力操作结合起来，提升分割精度并降低计算成本，克服硬件支持等问题。在公开数据集PASCAL VOC 2012上的实验结果显示，该算法其平均交并比可达到76.32%，较基准模型准确率提高了2.52个百分点，参数量减少了9%，模型硬件所占内存减小了61.6%。设计的模型与领域内最新算法相比，该算法在精度、模型复杂度、参数量等方面均展现出了显著的优势。

关键词：半监督语义分割,位置感知循环卷积,极化自注意力,内部分辨率