多尺度特征融合与新型判别器的无监督分割

来源：计算机工程与应用杂志2023年第7期北京时间：

作者：韩宗桓, 刘名果, 李珅, 陈立家, 田敏, 兰天翔, 梁倩

单位：1.河南大学 物理与电子学院，河南 开封 475004；2.开封平煤新型炭材料科技有限公司，河南 开封 475004

摘要：工厂在智能化升级过程中，有很多应用场景需要用到语义分割。然而使用全监督语义分割方法需要耗费大量人力成本进行样本标注，所以研究无监督语义分割方法很有必要。针对本地某碳素厂石墨电极压印字符的语义分割问题，提出了一种无监督语义分割方法CycleGAN-Seg。结合跨层连接和空洞空间池化金字塔（ASPP）的思想，构建了新型多尺度特征融合生成器，加入了改进的注意力模块以提升网络性能。同时提出一种新的U形判别器对重构图像进行判别。在石墨电极表面压印字符数据集语义分割实验中，MIoU值可达70.81%，分割效果基本满足识别需要，有望在该工业场景中替代全监督学习方法，以节省人工标注成本，达到快速训练和部署的目的。

关键词：多尺度特征融合,注意力模块,无监督分割,表面压印字符