基于多级特征图联合上采样的实时语义分割

来源：计算机技术与发展杂志2022年第02期北京时间：

作者：宋宇;王小瑀;梁超;程超

摘要：视觉感知是无人驾驶技术中的重要一环,而语义分割技术又是实现视觉感知的主要技术手段之一。 现在的语义分割技术多采用计算量大、内存占用高的空洞卷积来提取高分辨率特征图,从而导致现在主流的语义分割网络分割速度不足,无法有效应用于无人驾驶的场景中。 针对这一问题,提出了一种实时性更好的语义分割网络。 首先,采用了一种轻量级的卷积神经网络作为编码器,并且使用跨步卷积和常规卷积替换了耗时、耗内存的空洞卷积。 然后,为了得到与DeepLabv v3+相似的特征图,提出了一种新的联合上采样模块:多级特征图联合上采样模块( multi-scale feature map jointpyramid upsamping,MJPU) ,通过融合编码器的多个特征图,生成了语义信息更加丰富的高分辨率特征图。 通过 Cityscapes数据集上的实验表明,相比于主流语义分割网络 Deeplabv3 +,该网络在不损失大量性能的前提下,可以将分割速度提高2郾 25 倍,达到 32. 3 FPS / s。 从而使网络具有更好的实时性,更加适合应用于无人驾驶场景。

关键词：无人驾驶;语义分割;卷积神经网络;深度学习;空洞卷积