CN114155371B 基于通道注意力与金字塔卷积融合的语义分割方法 （西安理工大学）_第1页
CN114155371B 基于通道注意力与金字塔卷积融合的语义分割方法 （西安理工大学）_第2页
CN114155371B 基于通道注意力与金字塔卷积融合的语义分割方法 （西安理工大学）_第3页
CN114155371B 基于通道注意力与金字塔卷积融合的语义分割方法 （西安理工大学）_第4页
CN114155371B 基于通道注意力与金字塔卷积融合的语义分割方法 （西安理工大学）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

Convolution:RethinkingConvoNeuralNetworksforVisuRecognition.arXiv:2006.11538v1.20ConferenceonComputerRecognition.2020,第3141-基于通道注意力与金字塔卷积融合的语义本发明公开了基于通道注意力与金字塔卷获取的融合的特征与步骤4获得的加强特征图进2步骤2，在步骤1中的ResNet50网络的最后一层添加4表示第i个通道的特征图，A,表示4表示第i个通道的特征图，A,表示32.根据权利要求1所述的基于通道注意力与金字塔卷积融合的语义分割方法，其特征3.根据权利要求2所述的基于通道注意力与金字塔卷积融合的语义分割方法，其特征4.根据权利要求1所述的基于通道注意力与金字塔卷积融合的语义分割方法，其特征5.根据权利要求1所述的基于通道注意力与金字塔卷积融合的语义分割方法，其特征4经网络结构(LongJ,ShelhamerE,DarrellT.FullyConvolutionalNetworksforSemanticSegmentation[J].IEEETransactionsonPatternAnalysisandMachine(RonnebergerO,FischerP,BroxT.U-Net:ConvolutionalNetworksforBiomedicalImageSegmentation[J].SpringerInternationalPublishing,2015.)主要分为三部分：[0005]PSPNet网络结构(ZhaoH,ShiJ,QiX,etal.PyramidSceneParsingNetworkZhuY,PapandreouG,etal.Encoder-DecoderwithAtrousSeparableConvolutionforSemanticImageSegmentation[J].Springer,Cham,2018.)模型为了融合多尺度信5[0007]本发明所采用的技术方案是，基于通道注意力与金字塔卷积融合的语义分割方6Fa=r,eE(7)[0043]本发明的有益效果是，本发明基于通道注意力与金字塔卷积融合的语义分割方4个Bottleneck；第四阶段包含6个Bottleneck；第五阶段包含3个Bottleneck；每个7不同的组进行分组卷积为每个输入特征映射组独立应用内核；特征组合由1*1的卷积核将[0057]金字塔卷积局部特征提取模块主要负责较小对象以及在多个比例下捕获局部精g8F1为融合的特征信息；个通道都具有全局的语义特征；高层特征的每一个通道映射可以看作一个类别明确的响Fa=r,eE(7)9

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论