基于形状感知及语义对齐的双分支分割网络

来源：计算机测量与控制杂志2025年第12期北京时间：

作者：庄祉珊,吴静静,赵迎龙,魏斌

单位：江南大学 智能制造学院

摘要：针对复杂工况下缺陷干扰，脏污噪声和镜头模糊导致目标分割精度低的问题，提出了一种基于形状感知语义对齐的双分支分割网络。针对由深层到浅层的语义传播错误导致的低精度问题，设计了语义流对齐模块，学习特征图之间的偏移量辅助信息对齐。引入了注意力引导自选择融合模块，结合深层信息和浅层信息特性来指导更准确的分割。设计了形状感知损失函数，利用形状特征引导网络关注难以分割的边界区域解决噪声与目标粘连的问题，提高了分割性能。在自建芯片数据集上进行的综合实验证实，此方法提高了特征表示和分割性能，相比基线网络，mIoU达到了94.4%（提升了2.1%），速度达到了48.86FPS（提高21%），实现了精度与速度的平衡，可满足实际工业应用。在CamVid数据集上，相比基线网络，mIoU为65.1%（提升了3.0%），同时参数量减少4.6%，证实了所提算法的普适性。

关键词：分割; 双分支网络;语义流; 注意力机制;距离映射

基金资助：国家自然科学基金项目（面上项目，重点项目，重大项目）