基于深度学习的复杂场景图像语义分割算法优化研究

摘要

为解决复杂场景图像语义分割中目标尺度差异明显、背景干扰强等问题，本文提出一种融合多尺度空洞卷积与联合注意力机制的改进方法。该方法在编码阶段采用不同膨胀率的空洞卷积提取上下文信息，在特征融合阶段引入通道与空间注意力机制，增强目标区域的特征响应，在解码阶段通过逐级上采样与跳跃连接恢复空间细节。基于Cityscapes数据集的实验，采用像素准确率（PA）、平均交并比（mIoU）和F₁-score作为评价指标，并与U-Net、金字塔场景解析网络（PSPNet）、DeepLabV3+进行对比。结果表明，本文模型的PA、mIoU和F₁-score分别达到93.7%、78.6%和86.2%，整体性能优于对比模型。

关键词

图像语义分割 / 复杂场景 / 多尺度特征 / 空洞卷积 / 注意力机制