基于GLCNet的轻量级语义分割算法

作     者：马素刚 陈期梅 侯志强 杨小宝 张子贤 

作者机构：西安邮电大学西安市大数据与智能计算重点实验室 西安邮电大学计算机学院 西安邮电大学陕西省网络数据分析与智能处理重点实验室 

出 版 物：《北京航空航天大学学报》 (Journal of Beijing University of Aeronautics and Astronautics)

年 卷 期：2022年

核心收录：

学科分类：08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 

基　　金：国家自然科学基金项目(项目编号:62072370) 西安市科技计划项目(项目编号:22GXFW0125) 

主　　题：卷积神经网络 语义分割 上下文信息 特征融合 残差连接 

摘      要：目前多数基于卷积神经网络的语义分割算法都伴随着庞大的参数量和计算复杂度，限制了其在实时处理场景中的应用。为解决这一问题，本文提出了一种基于GLCNet（Global-Local Context Network）的轻量级语义分割算法。该算法主要由全局-局部上下文（Global-Local Context， GLC）模块和多分辨率融合（Multi-Resolution Fusion， MRF）模块构成。全局-局部上下文模块学习图像的全局信息和局部上下文信息，在该模块中使用残差连接增强特征之间的依赖关系。在此基础上，提出了多分辨率融合模块聚合不同阶段的特征，首先对低分辨特征进行上采样，然后与高分辨率特征融合增强高层特征的空间信息。在Cityscapes和Camvid数据集上进行测试，mIoU分别达到了69.89%和68.86%，在单块NVIDIA Titan V GPU上速度分别达到87帧/秒和122帧/秒。实验结果表明，该算法在分割精度、效率以及参数量之间实现了较好的平衡，同时该算法的参数量仅有0.68M。