双注意力引导的跨层优化交通场景语义分割

来源：交通运输系统工程与信息杂志2023年第1期北京时间：

作者：谢新林, 罗臣彦, 续欣莹, 谢刚

单位：1.太原科技大学，电子信息工程学院，太原 030024；2.先进控制与装备智能化山西省重点实验室，太原 030024；3.太原理工大学，电气与动力工程学院，太原 030024

摘要：针对交通场景目标分割边缘不平滑以及小目标难以准确分割等问题，本文提出一种双注意力引导的跨层优化交通场景语义分割算法。首先，构建多分支特征提取编码网络，并利用串行非比例式空洞卷积实现空间上下文信息提取，进而改善小目标信息的丢失；其次，构建基于空间对齐的跨层特征融合解码网络，实现语义信息和细节信息的融合，增强不同尺度目标的表达能力；最后，提出通道和空间注意力机制，建模全局通道相关性和长距离位置相关性，增强网络对关键特征的学习能力。交通场景数据集Cityscapes和CamVid上的实验结果表明，所提特征提取编码网络、跨层特征融合解码网络以及注意力机制模块是有效的；所提语义分割算法获得了77.79%和78.66%的平均交并比，能够平滑目标分割边缘，尤其对细长条形目标具有鲁棒性。

关键词：智能交通,语义分割,深度学习,注意力机制,小目标,交通场景

基金资助：国家自然科学基金(62006169)；山西省重点研发计划 (202102020101005)；太原科技大学博士科研启动基金(20192047)