基于比例池化的RGB图像语义分割网络

来源：计算机技术与发展杂志2024年第08期北京时间：

作者：李顺新;;陈飞飞;

摘要：针对传统的金字塔多级特征融合算法进行语义分割时存在的特征图有效信息弱和噪声叠加效应等问题,提出一种基于比例池化的混合注意力机制。 首先在主干网络特征输出处引入比例池化注意力模块对输入特征图进行不同程度的语义信息抽取和特征降噪,突出特征图有效特征信息占比,随后将不同内核的池化结果作为级联金字塔结构的输入特征,对降噪后的多尺度特征进行融合,平滑图像噪声实现特征二次降噪和小目标物体语义信息增强。 实验在 Pascal VOC 2012 数据集上验证了该方法在分割领域上的有效性,并采用平均像素准确率(mPA)和平均交并比(mIoU)作为模型的性能评估指标。 实验结果表明,基于比例池化的金字塔网络在 mPA 和 mIoU 上达到了 90. 19% 和 79. 92% ,优于对比的语义分割方法。

关键词：语义分割;比例池化;金字塔结构;多尺度特征融合;特征降噪