摘要
本发明公开了一种高效语义分割网络,适用于医学影像分析、自动驾驶等场景。该网络采用编码器‑解码器架构,结合CNN与Transformer(转换器模型),平衡全局建模与计算效率。编码器通过轻量级卷积提取多尺度特征,并引入空间选择模块:其门控卷积将通道拆分为门控信号与保留信息,经Sigmoid激活函数激活强化关键空间特征;分组池化模块采用多尺度池化提取细节,上采样拼接后恢复通道。解码器融合多尺度特征并通过上采样恢复分辨率,增强高效通道注意力,融合全局最大池化与平均池化,利用一维卷积生成通道权重,优化特征依赖。该设计通过门控机制与多尺度池化提升小目标分割精度,结构轻量且易于扩展,兼具高精度与实用性。
技术关键词
语义分割网络
注意力
通道
卷积模块
融合多尺度特征
神经网络对图像
编码器
上采样
分辨率
多尺度池化
解码器架构
全局平均池化
融合全局
残差结构
残差网络
图像分割
系统为您推荐了相关专利信息
时间信息提取方法
图片
字符识别
文本
深度学习模型
交通违规检测方法
深度视觉特征
无人机
多模态
分类器