首页|空洞可分离卷积和注意力机制的实时语义分割

空洞可分离卷积和注意力机制的实时语义分割

扫码查看
原文链接
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 为满足语义分割算法准确度和实时性的要求,提出了一种基于空洞可分离卷积模块和注意力机制的实时语义分割方法.方法 将深度可分离卷积与不同空洞率的空洞卷积相结合,设计了一个空洞可分离卷积模块,在减少模型计算量的同时,能够更高效地提取特征;在网络输出端加入了通道注意力模块和空间注意力模块,增强对特征的通道信息和空间信息的表达并与原始特征融合,以进一步提高特征的表达能力;将融合的特征上采样到原图大小,预测像素类别,实现语义分割.结果 在Cityscapes数据集和CamVid数据集上进行了实验验证,分别取得70.4％和67.8％的分割精度,速度达到71帧/s,而模型参数量仅为0.66 M.在不影响速度的情况下,分割精度比原始方法分别提高了1.2％ 和1.2％,验证了该方法的有效性.同时,与近年来的实时语义分割方法相比也表现出一定优势.结论 本文方法采用空洞可分离卷积模块和注意力模块,在减少模型计算量的同时,能够更高效地提取特征,且在保证实时分割的情况下提升分割精度,在准确度和实时性之间达到了有效的平衡.
Real-time semantic segmentation analysis based on cavity separable convolution and attention mechanism

王囡、侯志强、蒲磊、马素刚、程环环

展开 >

西安邮电大学计算机学院,西安 710121

空军工程大学信息与导航学院,西安 710077

实时语义分割 深度可分离卷积 空洞卷积 通道注意力 空间注意力

国家自然科学基金

62072370

2022

中国图象图形学报
中国科学院遥感应用研究所,中国图象图形学学会 ,北京应用物理与计算数学研究所

中国图象图形学报

CSTPCDCSCD北大核心
影响因子：1.111
ISSN：1006-8961
年,卷(期)：2022.27(4)
  • 5
  • 1