复杂场景下自适应注意力机制融合实时语义分割

作     者：陈丹 刘乐 王晨昊 白熙茹 王子晨 CHEN Dan;LIU Le;WANG Chenhao;BAI Xiru;WANG Zichen

作者机构：西安理工大学自动化与信息工程学院西安710048 陕西职业技术学院电子信息工程学院西安710038 

基　　金：榆林市科技局计划项目(2019-146) 西安市秦创原重点产业链核心技术攻关项目(23ZDCYJSGG0021-2023) 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2024年第46卷第8期

页      码：3334-3342页

摘      要：实现高准确度和低计算负担是卷积神经网络(CNN)实时语义分割面临的严峻挑战。针对复杂城市街道场景目标种类众多、光照变化大等特点,该文设计了一种高效的实时语义分割自适应注意力机制融合网络(AAFNet)分别提取图像空间细节和语义信息,再经过特征融合网络(FFN)获得准确语义图像。AAFNet采用扩展的深度可分离卷积(DDW)可增大语义特征提取感受野,提出自适应平均池化(Avp)和自适应最大池化(Amp)构成自适应注意力机制融合模块(AAFM),可细化目标边缘分割效果并降低小目标的漏分率。最后在复杂城市街道场景Cityscapes和CamVid数据集上分别进行了语义分割实验,所设计的AAFNet以32帧/s(Cityscapes)和52帧/s(CamVid)的推理速度获得73.0%和69.8%的平均分割精度(mIoU),且与扩展的空间注意力网络(DSANet)、多尺度上下文融合网络(MSCFNet)以及轻量级双边非对称残差网络(LBARNet)相比,AAFNet平均分割精度最高。

主 题 词：卷积神经网络 复杂城市街道场景 扩展的深度可分离卷积 自适应注意力机制融合 分割精度 

学科分类：1305[艺术学-设计学类] 0711[理学-心理学类] 13[艺术学] 07[理学] 08[工学] 081104[081104] 080401[080401] 0804[工学-材料学] 080402[080402] 081101[081101] 0811[工学-水利类] 

核心收录：

D　O　I：10.11999/JEIT231338

馆 藏 号：203127881...