复杂场景下自适应注意力机制融合实时语义分割

来源：电子与信息学报杂志2024年第8期北京时间：

作者：陈丹, 刘乐, 王晨昊, 白熙茹, 王子晨

单位：1.西安理工大学自动化与信息工程学院 西安 7100482.陕西职业技术学院电子信息工程学院 西安 710038

摘要：实现高准确度和低计算负担是卷积神经网络(CNN)实时语义分割面临的严峻挑战。针对复杂城市街道场景目标种类众多、光照变化大等特点，该文设计了一种高效的实时语义分割自适应注意力机制融合网络(AAFNet)分别提取图像空间细节和语义信息，再经过特征融合网络(FFN)获得准确语义图像。AAFNet采用扩展的深度可分离卷积(DDW)可增大语义特征提取感受野，提出自适应平均池化(Avp)和自适应最大池化(Amp)构成自适应注意力机制融合模块(AAFM)，可细化目标边缘分割效果并降低小目标的漏分率。最后在复杂城市街道场景Cityscapes和CamVid数据集上分别进行了语义分割实验，所设计的AAFNet以32帧/s(Cityscapes) 和52帧/s (CamVid)的推理速度获得73.0%和69.8%的平均分割精度(mIoU)，且与扩展的空间注意力网络(DSANet)、多尺度上下文融合网络(MSCFNet)以及轻量级双边非对称残差网络(LBARNet)相比，AAFNet平均分割精度最高。

关键词：卷积神经网络, 复杂城市街道场景, 扩展的深度可分离卷积, 自适应注意力机制融合, 分割精度

基金资助：榆林市科技局计划项目(2019-146)，西安市秦创原重点产业链核心技术攻关项目(23ZDCYJSGG0021-2023)