基于注意力机制和扩张解码改进的语义分割研究

摘要

随着自主系统的兴起,技术革新和生产生活中需求的不断加大,实时性计算越来越受欢迎。在本文中介绍了快速卷积神经网络(Fast-SCNN),这是一种基于高分辨率图像数据的实时语义分割模型。在该模型现有的2个快速分割分支基础上,将原网络解码器部分改进为扩张解码,扩大感受野,有效提升网络模型的分割精度。然后引入了CBAM注意力机制模块,减少对冗余信息的关注,降低了计算量,提高了分割效率。改进后的网络在Cityscapes数据集上获得了73.27%的MIoU,同时保证了网络的推理速度,实验结果表明改进网络较原网络性能有所提升。