基于高效深度瓶颈结构的实时语义分割方法

来源：计算机技术与发展杂志2023年第09期北京时间：

作者：陈学颢;';李顺新;'

单位：1. 武汉科技大学 计算机科学与技术学院,湖北 武汉 430065;2. 湖北智能信息处理与实时工业系统重点实验室,湖北 武汉 430065;3. 武汉科技大学 大数据科学与工程研究院,湖北 武汉 430065

摘要：针对现阶段语义分割方法参数量多、计算成本高,难以满足实际场景需求的问题,提出了一种基于高效深度瓶颈结构的轻量级实时语义分割方法( GDBNet) 。 首先,利用分解卷积和扩张卷积的有效结合构建出高效深度瓶颈结构,并以一种轻量并高效的方式提取局部上下文信息;然后,将该结构堆叠来获取多尺度的语义信息;最后,通过注意力融合连接模块聚合多尺度的上下文信息并指导特征选择,以此提高分割效果。 在不经过任何预训练和后处理的情况下,GDBNet 在Cityscapes 和 Camvid 数据集上以 140. 0 FPS 和 143. 7 FPS 的推理速度分别达到了 72. 91% 和 68. 84% 平均交并比的准确度并且参数量仅为 0. 66 M。 该方法在 Cityscapes 数据集上,相比于同类型深度非对称瓶颈网络( DABNet) ,准确度提高了2.81 百分点,推理速度上升了 35. 8 FPS,并且参数量降低了 0. 1 M;在 Camvid 数据集上,与 SPMNet 方法相比,准确度提高了 1. 54 百分点,同时参数量和推理速度也更优。 实验结果表明:所提方法在满足实时性要求的前提下,能较为准确地识别场景信息。

关键词：瓶颈结构;实时语义分割;分解卷积;扩张卷积;上下文信息