融合多尺度深度卷积的轻量级Transformer交通场景语义分割算法

作     者：谢刚 王荃毅 谢新林 王健安 XIE Gang;WANG Quanyi;XIE Xinlin;WANG Jian’an

作者机构：太原科技大学电子信息工程学院山西太原030024 先进控制与装备智能化山西省重点实验室山西太原030024 

基　　金：国家自然科学基金资助项目(No.62006169) 山西省重点研发计划基金资助项目(No.202202010101005) 太原科技大学博士科研启动基金资助项目(No.20192047) 

出 版 物：《通信学报》 (Journal on Communications)

年 卷 期：2023年第44卷第10期

页      码：213-225页

摘      要：针对交通场景语义分割算法中存在的易融入周围背景的纤细条状目标分割不连续、模型参数量大等问题,提出一种融合多尺度深度卷积的轻量级Transformer交通场景语义分割算法。首先,基于深度卷积构建多尺度条形特征提取模块,在不同尺度下增强对纤细条状目标特征的表示能力。其次,在浅层网络中利用卷积归纳偏置特性设计空间细节辅助模块,以弥补深层空间细节信息的丢失来优化目标边缘分割。最后,提出基于Transformer-CNN框架的非对称编解码网络,编码器结合Transformer与CNN减少细节信息丢失并降低模型参数量;而解码器采用轻量级的多级特征融合设计来进一步建模全局上下文。所提算法在Cityscapes和CamVid交通场景公开数据集上分别取得的平均交并比为78.63%和81.06%,能够在交通场景语义分割中实现分割精度和模型大小之间的权衡,具备良好的应用前景。

主 题 词：语义分割 深度学习 注意力机制 轻量级 交通场景 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.11959/j.issn.1000-436x.2023194

馆 藏 号：203124235...