基于注意力机制及多分支特征融合的实时语义分割算法

作     者：蒋锐 陈儒娜 王小明 李大鹏 徐友云 JIANG Rui;CHEN Runa;WANG Xiaoming;LI Dapeng;XU Youyun

作者机构：南京邮电大学通信与信息工程学院江苏南京210003 

出 版 物：《南京邮电大学学报（自然科学版）》 (Journal of Nanjing University of Posts and Telecommunications：Natural Science Edition)

年 卷 期：2024年第44卷第2期

页      面：91-100页

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(62271266)资助项目 

主　　题：实时语义分割 通道注意力 空间注意力 特征融合 自适应注意力 

摘      要：为了合理平衡语义分割中的精确度与实时性,基于快速卷积神经网络模型(Fast-SCNN)提出了一种基于注意力机制及多分支特征融合的实时语义分割算法模型。该算法模型首先通过注意力模块捕获空间特征之间的相互联系,增强空间细节信息;然后合理设计融合模块,最大化利用各分支信息,实现深层特征与浅层特征更好的融合;最后引入自适应特征增强注意力模块,捕获长距离像素间的相互依赖关系。实验结果表明,文中算法模型在Cityscapes数据集上获得了71.55%的分割精度,推理速度FPS达到97.6帧/s,模型参数量为1.39 M,验证了该算法所构成网络模型的有效性。