一种语义分割网络和语义分割方法技术

本发明专利技术提供一种语义分割网络和语义分割方法，属于图像处理技术领域。该网络包括编码器、解码器和和多个增强压缩轴向注意力单元。编码器通过特征提取单元卷积神经网络提取多分辨率特征图，并利用混合交叉轴向注意力单元提取空间轴向信息，生成初步融合特征图；增强压缩轴向注意力单元，用于对初步融合特征图进行增强处理，得到增强特征图，解码器通过加权融合特征图进行语义分割。混合交叉轴向注意力单元采用高分辨率之路和低分辨率支路及交叉注意力机制，通过一次注意力计算完成跨分辨率信息交互，显著降低计算量，提升推理速度。本发明专利技术在解码阶段融合多尺度特征，有效恢复图像细节，同时兼顾精度与效率。

【技术实现步骤摘要】

本专利技术涉及语义分割，特别是涉及一种语义分割网络和语义分割方法。

技术介绍

1、图像分割作为图像处理中一项常见的任务，广泛应用于医学图像处理、遥感图像处理和道路场景处理等。图像分割的主要任务是将图像中不同类别的目标划分出来，并重点关注感兴趣的几类目标。计算机视觉中有几种不同的任务：图像分类、目标检测、语义分割、实例分割和全景分割，这些任务的目标是将图像中物体分成不同的部分，分别给物体打上独有的标签；不同之处在于对标签精确度的要求，目标识别和分类对物体的实际轮廓边界的区分要求不高，目的是对主要物体目标与背景之间进行区别分类。而语义、实例和全景分割主要关注在物体在像素级别上的区别，进行密集目标预测时，正确分别出相邻且容易混淆的不同目标是一项很大的挑战。近年来随着深度学习和人工智能的发展，图像分割的精度也随着网络模型的进步而提高，在处理图像时如何使用深度学习模型来更好的进行图像分割任务；在网络的构建上如何解决精度和效率的有效平衡是人们进行研究的一个重要方向。

2、注意力机制的优秀性能使得其得到了广泛的应用，然而现有的解码器解码的不够准确，现有的注意本文档来自技高网...

【技术保护点】

1.一种语义分割网络，其特征在于，包括：编码器、解码器和多个特征增强单元，所述编码器包括特征提取单元和多个混合交叉轴向注意力单元，每个混合交叉轴向注意力单元连接有一个特征增强单元，其中，

2.根据权利要求1所述的语义分割网络，其特征在于，所述特征增强单元为增强压缩轴向注意力单元，各增强压缩轴向注意力单元用于对与其连接的混合交叉轴向注意力单元输出的第一初步融合特征图进行两次特征增强处理，得到增强特征图，其中，最高分辨率级别对应的增强压缩轴向注意力单元用于对最高分辨率级别的初始特征图进行一次增强处理。

3.根据权利要求1所述的语义分割网络，其特征在于，所述语义分割网络...

【技术特征摘要】

1.一种语义分割网络，其特征在于，包括：编码器、解码器和多个特征增强单元，所述编码器包括特征提取单元和多个混合交叉轴向注意力单元，每个混合交叉轴向注意力单元连接有一个特征增强单元，其中，

2.根据权利要求1所述的语义分割网络，其特征在于，所述特征增强单元为增强压缩轴向注意力单元，各增强压缩轴向注意力单元用于对与其连接的混合交叉轴向注意力单元输出的第一初步融合特征图进行两次特征增强处理，得到增强特征图，其中，最高分辨率级别对应的增强压缩轴向注意力单元用于对最高分辨率级别的初始特征图进行一次增强处理。

3.根据权利要求1所述的语义分割网络，其特征在于，...

【专利技术属性】
技术研发人员：薛宇，王斌，
申请(专利权)人：天津谱芯科技有限公司，
类型：发明
国别省市：