基于多级特征重用的实时语义分割算法

来源：计算机应用与软件杂志2025年第9期北京时间：

作者：夏冰洁, 陈芬, 李旭, 苏涛, 彭宗举

摘要：实时语义分割网络未充分考虑上下文信息与网络结构的关系且对特征信息利用不足而导致分割粗糙的问题，提出一种基于多级特征重用的实时语义分割算法 (MFRNet)。该算法设计一种轻量级的非对称残差注意力模块 ARAM 来提取丰富的上下文信息和关键特征，提出采用两个高效特征融合模块以自上而下方式有效融合编码器高低不同层级特征，增强特征重用性，优化分割效果。该算法在 Cityscapes 和 CamVid 数据集上分别获得 72.6% 和 67.3% 的分割精度，98 帧 /s 和 130 帧 /s 的推理速度。实验结果表明，该算法能够保证实时分割的情况下提升分割精度，相较于近年来的实时语义分割算法也表现出一定的优势。

关键词：实时语义分割, 深度学习, 特征融合, 注意力机制, 轻量级算法