面向城市复杂街景的实时语义分割算法

来源：电子测量技术杂志2025年第20期北京时间：

作者：赵志兴，胡峻峰

单位：东北林业大学计算机与控制工程学院 哈尔滨 150040

摘要：实时高精度分割城市复杂街景对自动驾驶至关重要。针对现有的实时语义分割网络对高分辨率分支空间信息和细节特征捕获不足,以及高低分辨率特征融合效率低下导致信息丢失从而制约了分割精度的提升的问题，本文提出了基于多尺度部分膨胀卷积与边界协同双注意力引导融合的实时语义分割网络(MPDANet)。首先，设计多尺度部分膨胀卷积模块 (MSPDC)，利用并行阶梯式膨胀率的部分膨胀卷积，从不同尺度高效捕获高分辨率分支的细节特征与空间信息，解决其信息捕获不足问题。其次，构建注意力引导特征增强金字塔模块 (AFPM)，通过非对称池化层提取低分辨率分支的多尺度语义信息，并结合像素注意力机制进一步增强语义信息。最后，提出边界协同双注意力引导融合模块(BCDAF)，通过并行通道空间注意力筛选关键语义与空间信息，抑制跨分辨率特征融合造成的信息丢失，并引入边界注意力提升目标边界分割效果。在Cityscapes验证集上，所提网络以295 fps的速度取得78.6%的mIoU；在CamVid测试集上，以454 fps的速度取得77.4%的mIoU。实验结果表明,本文所提的网络在保持实时性的同时，实现了对城市复杂街景的高精度分割。

关键词：实时语义分割;注意力机制;部分膨胀卷积;特征融合