基于改进BiSeNet的实时图像语义分割

作     者：任凤雷 杨璐 周海波 张诗雨 何昕 徐文学 REN Fenglei;YANG Lu;ZHOU Haibo;ZHANG Shiyv;HE Xin;XU Wenxue

作者机构：天津理工大学、天津市先进机电系统设计与智能控制重点实验室天津300384 天津理工大学、机电工程国家级实验教学示范中心天津300384 中国科学院、长春光学精密机械与物理研究所吉林长春130033 天津卓越信通科技有限公司天津300384 

基　　金：国家自然科学基金资助项目(No.51275209) 天津市自然科学基金重点项目资助(No.17JCZDJC30400) 广东省重点领域研发计划资助项目(No.2019B090922002) 

出 版 物：《光学精密工程》 (Optics and Precision Engineering)

年 卷 期：2023年第31卷第8期

页      码：1217-1227页

摘      要：为了提升图像语义分割算法的性能,使其同时满足准确性和实时性需求,本文提出了一种基于改进BiSeNet的实时图像语义分割算法。首先,通过使双分支网络头部共享以消除BiSeNet网络结构部分通道和参数的冗余,同时有效提取图像的浅层特征;然后,将上述共享网络拆分为由细节分支和语义分支组成的双分支网络,并分别用于提取空间细节信息和语义上下文信息;此外,在语义分支尾部引入通道和空间注意力机制以增强特征表达能力,通过使用双注意力机制对BiSeNet算法进行优化以更有效地提取语义上下文特征;最后,对细节分支和语义分支的特征进行融合并通过上采样操作恢复至输入图像分辨率大小以实现图像语义分割。本文算法在Cityscapes数据集以95.3FPS的实时性表现达到77.2%mIoU的准确性;在CamVid数据集以179.1 FPS的实时性表现达到73.8%mIoU的准确性。实验结果表明,本文算法在实时性和准确性方面获得了很好的平衡,其语义分割性能相较于BiSeNet算法及其它现有算法得到了显著的提升。

主 题 词：语义分割 注意力机制 实时性 深度学习 

学科分类：0402[教育学-体育学类] 0303[法学-社会学类] 0710[理学-生物科学类] 081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

核心收录：

D　O　I：10.37188/OPE.20233108.1217

馆 藏 号：203121348...