Para enfrentar a alta complexidade computacional da rede de segmentação semântica DeepLabv3+, a fraca capacidade de extração de detalhes da imagem e os contornos difusos nas imagens segmentadas, propõe-se uma rede DeepLabv3+ aprimorada que incorpora um mecanismo de atenção. Utilizando a rede leve MobileNetV2 como espinha dorsal, reduz significativamente os parâmetros do modelo enquanto mantém alta capacidade de representação. Após as características de baixo nível da rede backbone, adiciona-se um mecanismo de atenção leve e sem parâmetros (Simple Parameter-Free Attention Module, SimAM) para ponderar as características de entrada e fortalecer a capacidade de extração das características-chave. O pooling médio global do módulo ASPP é substituído pelo downsampling por Wavelet Haar (Haar Wavelet Downsampling, HWD) para evitar perda de informação espacial, e após o módulo ASPP é adicionado um mecanismo de atenção externa (External Attention, EANet) para melhor utilizar as informações contextuais, realizar uma fusão multiescala e melhorar a compreensão semântica e a precisão da segmentação. Os resultados experimentais mostram que este modelo melhora o mIoU em 2,82% em comparação com o modelo DeepLabv3+ original no conjunto de dados VOC2012. O modelo aprimorado proposto melhora significativamente a precisão da segmentação semântica do modelo e fornece novas ideias para aplicações na área de visão computacional.

segmentação semântica;DeepLabV3+;downsampling por Wavelet Haar;mecanismo de atenção externa;fusão multiescala