-
题名融合类别注意力的铝硅合金显微图像分割方法
- 1
-
-
作者
沈韬
金凯
司昌凯
郑剑锋
刘英莉
-
机构
昆明理工大学信息工程与自动化学院
云南省计算机技术应用重点实验室
-
出处
《数据采集与处理》
CSCD
北大核心
2023年第3期574-585,共12页
-
基金
国家自然科学基金(52061020,61971208)
云南计算机技术应用重点实验室开放基金(2020103)。
-
文摘
为了提取铝硅合金显微图像的初晶硅区域,提出一种结合类别注意力块(Class attention block,CAB)的改进模型类别注意力网络(Class attention network,CA-Net)。类别注意力块从特征图中计算各通道与每个类别的相关性信息,并将不同类别的相关性信息融合产生注意力权重,以使特征通道的权重与其对任务类别的贡献相关,从而增强重要特征的表达,并抑制无关特征的干扰。在铝硅合金显微图像数据集上进行实验,本文提出的方法在Dice系数、Jaccard相似度、敏感度、特异度和分割准确率上的结果分别为94.82%、90.16%、94.54%、98.80%和97.97%。相比CCNet、SPNet和TA-Net等方法,CA-Net能够有效改进铝硅合金显微图像中初晶硅区域的分割效果。
-
关键词
铝硅合金显微图像
图像分割
注意力机制
卷积神经网络
深度学习
-
Keywords
microscopic image of Al-Si alloy
image segmentation
attention mechanism
convolutional neural network
deep learning
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-