基于Deeplab-v3+的小目标与边缘增强热图像语义分割网络

摘要

由于热图像存在无颜色信息，边缘模糊，细节信息较弱等问题，较难获得高质量的图像分割效果.为解决这个问题，在编码-解码(encode-decode)架构的基础上，本文增加了多级像素空间注意模块(multi-level pixel spatial attention module, MPAM)、边缘提取模块(edge extraction module, EEM)和小目标提取模块(tiny target extraction module, TTM).其中，MPAM能使网络充分保留细节的同时捕捉到语义信息，EEM和TTM分别提取具有语义信息的边缘和小目标等细节特征.为提高各类别边缘相交区域像素点和小目标物体的预测精度，设计了专门的损失函数对已获得的边缘和小目标特征进行监督训练，提高各类别边缘相交区域像素点和小目标物体的预测精度.将该方法分别应用于课题组构建的热图像数据集SCUT＿SEG、公开的热图像数据集SODA和合成热红外数据集Cityscpae,实验结果表明：本文方法比FCN、PSPNet、Deeplabv3+、MCNet、EC-CNN等5种网络分割算法效果略好，性能提升约2.2个百分点.

关键词