面向复杂场景的不对称双分支实时语义分割网络的方法

摘要

本发明涉及计算机视觉理解领域，尤其涉及面向复杂场景的不对称双分支实时语义分割网络的方法；包括以下步骤：基于特征共享的下采样模块获取低分辨率图像；基于更宽通道的轻量级双分支模块提取高级语义特征和低级细节特征；使用特征指导融合模块多尺度融合两个分支的语义和空间信息；基于特征恢复模块得到最终分割结果图。本发明通过共享浅层信息和特征指导的方式充分融合语义信息和空间信息，并基于不对称残差瓶颈模块作为语义分支的核心特征提取单元，最后结合多尺度信息完成密集特征的提取，解决了复杂场景中目标类别混淆、形状不规则和物体遮挡干扰，以及大部分的语义分割网络复杂度较高，无法实时高效地应用到移动/嵌入式平台中的技术问题。