-
题名基于改进PSPNet的掩模优化算法
- 1
-
-
作者
祁攀
汤府鑫
徐辉
-
机构
安徽理工大学人工智能学院
安徽理工大学计算机科学与工程学院
-
出处
《兰州工业学院学报》
2024年第1期6-11,共6页
-
基金
基金委国家重大科研仪器研制项目(62027815)。
-
文摘
针对现有深度学习方法中掩模生成质量较低的问题,提出了一种改进的PSPNet掩模优化模型,能够生成较高质量的掩模。保留PSPNet中提取网络ResNet50优秀的残差设计,在此基础上增加卷积注意力机制模块,使模型更加关注掩模边缘,将边缘信息充分的保留至下一层,便于最后上采样生成掩模。上采样过程中只使用双线性插值会导致冗余信息的增加,将双线性插值和像素重组融合,在提高上采样过程的分辨率的同时,保留更多特征,不增加冗余信息,提高掩模生成的质量。最后,加入DICE损失函数,与传统回归损失MSE结合,联合优化模型。结果表明:改进后网络较改进前掩模质量提升了7.1%,同时生成的掩模冗余更少,拐角更加顺滑,便于制造。
-
关键词
掩模优化
ResNet50
卷积注意力机制
DICE损失
-
Keywords
mask optimization
ResNet50
convolutional block attention module
DICE loss
-
分类号
TN405
[电子电信—微电子学与固体电子学]
-
