基于多尺度特征融合的道路场景语义分割

摘要

针对传统的语义分割方法实时性较低,同时感受野也较少,计算量比较大并且需要很长的处理时间等问题,将基于快速卷积神经网络模型(Fast-SCNN)改进后的CFast-SCNN应用于道路场景语义分割,首先在原网络编码部分进行模型剪枝,压缩模型的体积,提高该网络的推理速度;然后在其主干网络部分进行多尺度特征融合操作,扩大感受野,提高大目标边界准确率,保证分割的精度。使用道路场景分割中常用的Cityscapes数据集进行试验,并且使用语义分割领域中常用的性能评价指标验证了方法的有效性,实验结果表明改进后的网络相较于原网络各性能都有一定提升。