基于注意力机制的语义增强损失函数与全景分割

摘要：

全景分割是计算机视觉中重要的研究方向.考虑到不同应用场景对语义分割精度的要求不同,本文提出一种基于注意力机制的语义增强损失函数和全景分割方法.首先将语义类别按照重要程度分组,加入注意力机制来对不同语义信息进行区分,并通过对损失权重的设计有效抑制了分类失衡问题;其次设计一种全景分割网络,利用MaskR-CNN 网络作为实例分割子分支并加入FPN结构作为语义分割基准,提高了所需物体种类的分割精度;最后通过设计重叠结果剔除规则避免了网络结构中的实例和语义分割分支输出的重叠问题.通过对CO-CO数据集的对比实验表明,本文提出的语义增强损失函数有效提高了优先级较高语义类别的分割效果,为不同应用场景的全景分割提供了更加高质量的语义信息.

关键词：损失函数、注意力机制、全景分割、实例分割、语义分割

所属期刊栏目：53

分类号：TN249;TP391(光电子技术、激光技术)

资助基金：湖南省自然科学基金项目;湖南省教育厅科学研究重点项目

在线出版日期：2023-10-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：1449-1456