网状多尺度与双向通道注意力的铁路场景语义分割

来源：交通运输系统工程与信息杂志2023年第2期北京时间：

作者：路通, 余祖俊, 郭保青, 阮涛

单位：北京交通大学，a. 机械与电子控制工程学院；b. 智慧高铁系统前沿科学中心；c. 轨道交通安全协同创新中心，北京 100044

摘要：语义分割是智能感知的基础。本文针对复杂铁路场景类别易混淆及有效特征难提取的问题，提出一种基于网状多尺度融合与双向通道注意力的铁路场景语义分割网络。为增强模型对各类铁路设施的判别能力，提出网状多尺度融合模块。该模块嵌入主干网络，获取不同尺度的特征并行连接，并在融合层进行网状信息交互，实现不同分支的特征融合。通过汇聚其他分支输入，模型输出可同时保留多分辨率特征。为提升复杂铁路场景下有效特征的提取性能，提出双向通道注意力模块。正向通道注意力模块位于主干网络上下采样操作后，使输出特征图由不同尺度的输入特征加权重组，从而自适应地提升有效特征的表达；反向通道注意力模块插入模型最终输出之前，保留底层空间信息的同时，生成有效高阶语义信息。在RailSem19铁路数据集上的实验结果表明，本文所述方法对于易混淆类别，以及轨道区域、接触网立柱、列车及防护栅栏等铁路设施类别的分割性能均有显著提升，mIoU达到65.12%，相比于其他方法有一定提升。

关键词：智能交通,铁路语义分割,深度学习,复杂铁路场景,网状多尺度融合,双向通道注意力

基金资助：中央高校基本科研业务费专项资金(2022JBXT005)；国家自然科学基金(52072026)