多尺度特征融合与新型判别器的无监督分割

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

所属期刊栏目：59

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家自然科学基金;河南省高等学校重点科研项目;河南省科技厅项目;河南省科技厅项目;开封市重大科技专项;开封市重大科技专项

在线出版日期：2023-04-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：152-162