用于脐橙分割的精细注意力网络
计算机视觉与模式识别
2020-03-27 v1
摘要
深度学习在许多领域取得了优异的性能，因此我们不仅将其应用于脐橙语义分割任务，以解决缺陷类别区分以及识别果蒂端与花萼端这两个问题，还提出了一种精细注意力机制以进一步提升模型性能。该轻量注意力机制包含两个可学习参数、激活函数和阈值，用于捕获长程依赖。具体而言，阈值挑选出部分空间特征图，激活函数对该区域进行激励。基于从不同类别特征图训练得到的激活函数和阈值，我们设计了精细自注意力模块（FSAM）和精细互注意力模块（FIAM），进而构建了以U-Net为骨干并嵌入这两个模块的精细注意力网络（FANet），用于解决果蒂端、花萼端、瑕疵和溃疡的语义分割问题。在我们自建的脐橙数据集上，与一些基于深度学习的前沿网络相比，实验表明我们的网络性能最佳，像素精度达99.105%、平均精度达77.468%、平均交并比达70.375%、频权交并比达98.335%。且所嵌入的模块对包括背景在内的5个类别展现出更好的区分能力，其中瑕疵的交并比提升了3.165%。
引用
@article{arxiv.2003.11734,
title = {Fastidious Attention Network for Navel Orange Segmentation},
author = {Xiaoye Sun and Gongyan Li and Shaoyun Xu},
journal= {arXiv preprint arXiv:2003.11734},
year = {2020}
}