改进DeepLabv3+模型的图像语义分割算法OA

为解决图像在分割时出现的漏分、误分和目标边缘分割不完整等问题,构建了一种改进的DeepLabv3+模型。在编码阶段改进空洞空间卷积池化金字塔模块,以扩大模型的感受野并提取到更多的图片特征,在解码阶段引入注意力机制,增强不同通道间的相关性,提高对边缘特征的提取能力。采用混合损失函数提高小目标的分割精度,将其应用到CVC-ClinicDB和KvasirSEG两个公开的结肠息肉数据集上,测试Dice、ACC、IoU等指标的有效性。结果表明:改进后的DeepLabv3+在Dice、ACC、IoU上分别提升了3.98%和2.72%、0.47%和0.76%、5.04%和3.31%,所提方法较其他网络模型具有更高的准确性,能够为深度学习方法在图像分割以及其他图像处理分析的应用中提供参考。