来源：期刊VIP网 时间：
作者：王诗瑞;杜康宁;田澍;曹林;
单位：北京信息科技大学信息与通信工程学院;北京信息科技大学光电测试技术及仪器教育部重点实验室;北京信息科技大学信息与通信系统信息产业部重点实验室;
摘要：针对多数混合网络因注意力机制的密集点积操作不可避免地产生一定的背景噪声，且在融合卷积神经网络(convolutional neural network, CNN)以及注意力机制所提取的特征信息时常出现特征冗余和不匹配的现象，提出了一种门限注意力引导的混合网络(threshold attention guided network, TAGNet),旨在发挥注意力机制和CNN之间互补的优势。首先，引入了门限注意力机制(threshold attention mechanism, TAM)以捕获全局上下文依赖关系并滤除部分由注意力产生的噪声。此外，针对特征信息之间类型差异的问题，设计了特征指示融合机制(feature lead fusion mechanism, FLFM)以生成一组权重来校准输入特征并指引后续融合过程。该算法在Vaihingen和Potsdam公共数据集上的mIoU得分分别达至80.02%和82.54%。
关键词：语义分割;;深度学习;;注意力机制;;门限;;混合网络
基金资助：国家自然科学基金(62201066、U20A20163)
