来源：期刊VIP网 时间：
作者：刘炟;龙浩;张明瑜;
单位：北京联合大学北京市信息服务工程重点实验室;北京联合大学机器人学院;
摘要：针对现有模型经过多次下采样处理，遗漏小目标特征，对密集小目标分割效果有限，以及目标在不同距离下尺度差异大造成的分割能力不足等问题，提出了一种改进的基于门控注意力的语义转换器模型(GSegFormer)网络。设计了多尺度低损特征融合网络融合编码器提取的多尺度特征，包括串联门控注意力机制(CGAM)模块和多尺度目标特征融合(MTFF)模块。CGAM模块动态处理语义特征并抑制影响详细信息的特征，从而提高对小目标的分割精度。MTFF模块对4个不同尺度的特征上采样后进行拼接，在CGAM之前冻结权重参数，从而加速训练。在AeroScapes和ISPRS Vaihingen数据集上进行了试验，通过与主流方法的定量分析和比较表明，GSegFormer对密集小目标有更理想的分割性能，更适合于航拍影像小目标分割任务。
关键词：无人机;;级联门控注意力;;特征融合;;语义分割
基金资助：国家重点研发计划资助(2022YFB4601104);; 北京联合大学校级科研项目资助(ZK20202304,ZKZD202302);北京联合大学“启明星”大学生科技创新创业项目资助(20242014)
