联合多连接特征编解码与小波池化的轻量级语义分割

摘要

语义分割是当前场景理解领域的基础技术之一。现存的语义分割网络通常结构复杂、参数量大、图像特征信息损失过多和计算效率低。针对以上问题，基于编-解码器框架和离散小波变换，设计了一个联合多连接特征编解码与小波池化的轻量级语义分割网络MLWP-Net(Multi-Link Wavelet-Pooled Network)，在编码阶段利用多连接策略并结合深度可分离卷积、空洞卷积和通道压缩设计了轻量级特征提取瓶颈结构，并设计了低频混合小波池化操作替代传统的下采样操作，有效降低编码过程造成的信息丢失；在解码阶段，设计了多分支并行空洞卷积解码器以融合多级特征并行实现图像分辨率的恢复。实验结果表明，MLWP-Net仅以0.74 MB的参数量在数据集Cityscapes和CamVid上分别达到74.1%和68.2%mIoU的分割精度，验证了该算法的有效性。

关键词

实时语义分割 / 轻量级神经网络 / 多连接特征融合 / 小波池化 / 多分支空洞卷积

基金资助

国家自然科学基金（62002134）; 广东省基础与应用基础研究基金（2020A1515110645,2023A1515010834）; 广东省普通高校新型半导体与器件重点实验室项目（2021KSY001）; 羊城创新创业领军人才支持计划（2019019）; 广东省科技创新战略专项（大学生科技创新培育）（pdjh2023b0061）