deeplabv3+如何加注意力机制

问题描述

精选答案

首先： DeepLabv3+ 在深度扩张卷积神经网络中加入了扩张卷积，在保证减少下采样操作和不增加网络参数的情况下增加了网络感受野， 使得特征图尽可能的不丢失目标边界特征信息， 从而提升分割精度。

其次：针对图像中不同的目标尺寸大小不同，DeepLabv3+ 网络接用了SSP-Net网络中的空间金字塔池化层，来达到对多尺度目标分割的能力。 ASPP将输入特征图进行1x1 卷积， 扩张率 为6，12，18的3x3卷积以及全局平均池化操作后， 最终ASPP完成对多尺度目标的特征提取和区分，很好的实现多尺度目标分割。最后，DeepLabv3+网络为充分提取图像中目标物体的高层特征信息，对输入图像进行必要的下采样操作，为弥补下采样操作中丢失的边界信息，DeepLabv3+采用编码-解码结构，在特征图恢复过程中融合低层特征，恢复目标部分边界信息，特征图恢复采用线性插值方法，最终提高了网络分割的精度。