融合注意力机制与边缘引导的MA-PSPNet工地作业场景语义分割模型
陈慧1
王涛2
1.安徽理工大学 计算机科学与工程学院,安徽 淮南 2320012.滁州学院 人工智能学院,安徽 滁州 239000
摘要：为提升在复杂场景下的安全帽语义分割精度,解决边缘模糊、小目标分割不佳、多尺度变化问题,提出融合注意力机制与边缘引导的多尺度注意力金字塔场景解析网络(multi-scale attention pyramid scene parsing network,MA-PSPNet)工地作业场景语义分割模型.在模型的特征提取主干网络中引入多尺度卷积注意力(multi-scale convolutional attention,MSCA)模块,增强对关键区域的特征提取;在主干网络第 2 阶段特征提取后引入边缘引导注意力(edge-guided attention,EGA)模块,提升对边界的识别能力;另外,将金字塔场景解析网络(pyramid scene parsing network,PSPNet)的金字塔池化结构替换为空洞空间金字塔池化模块,增强多尺度适应性.结果表明,MA-PSPNet模型的平均交并比为 83.28%,较原始PSPNet模型上升了9.13 个百分点,像素准确率与平均像素准确率分别为95.62%与 88.74%.MA-PSPNet模型能够有效提升复杂工业场景中的安全帽分割精度与边界感知能力,具备良好的实用性.
关键词：安全帽分割语义分割注意力机制边缘引导多尺度增强
分类号：TP391.4(计算技术、计算机技术)
资助基金：安徽省重点研究与开发计划项目(2023AH051586)
论文发表日期：2025-09-20
在线出版日期：2025-09-24（本平台首次上网日期，不代表文献的发表时间）
页数：6( 357-361,369 )
英文信息