基于自适应注意力机制的轻量化语义分割网络

来源：计算机测量与控制杂志2024年第12期北京时间：

作者：王艳莉,连晓峰,康毛毛

单位：北京工商大学 计算机与人工智能学院

摘要：针对语义SLAM(simultaneous localization and mapping)中语义分割速度较慢,实时性较低、占用资源过多等问题,提出一种含有自适应通道注意力机制的轻量级Mask R-CNN网络,由于原有的语义分割网络里的残差网络复杂,且应用环境在室内,环境较为简单,故该轻量级网络将原有复杂的主干网络中的ResNet-50利用深度可分离卷积与分组卷积改进为更加轻量的ResNet-DS-tiny(ResNet with depthwise separable convolutions),并加入自适应通道注意力机制。在自适应通道注意力模块中,利用加权方式对输入的RGB-D图像从空间和通道赋予不同的权重,增强了特征的表达能力。此外,为了轻量化特征金字塔,使用使用不同空洞率的空洞卷积来提取不同大小感受野的特征信息,有效地获取了多尺度的特征。相较于传统的特征金字塔,空洞卷积减少了参数量。在更充分获取 RGB 信息特征的同时,提升了语义分割系统的实时性并减少了资源占用。

关键词：室内语义分割;轻量化网络;注意力机制;空洞卷积

基金资助：重庆自然科学基金（CSTB2022NSCO-MSX1415）