78.
针对目前图像语义分割任务中小目标分割精度不足、分割边界模糊以及相似类别语义混淆等问题, 本文提出了一种基于通道注意力与渐进式频率感知融合的语义分割方法. 该方法基于SegFormer模型, 采用MiT-B0作为主干网络, 通过动态调整通道权重来增强关键语义特征表达, 同时为多尺度特征融合降低对噪声的敏感性; 在解码器阶段通过自适应高低通滤波策略和
Carafe上采样算子, 在对高层特征进行平滑上采样的同时增强低层特征的高频细节, 进而提出渐进式频率感知特征融合策略, 改善小目标分割精度、边界清晰度, 增强对相似类别的语义区分能力. 实验结果表明, 在参数量仅增加0.15M的情况下, 该方法在Cityscapes和ADE20K数据集上的
mIoU分别达到了76.67%和37.85%, 有效提升了小目标识别、边界恢复以及易混淆类别区分的能力, 在性能与轻量化之间实现了良好的平衡.… …
相似文献