基于MFF-STDC网络的室外复杂环境小目标语义分割方法

摘要

针对轻量化网络在复杂环境中小目标类别物体分割效果较差的问题，本文搭建了基于多层级特征融合的MFF-STDC网络模型。首先，通过多次叠加基于分组卷积的特征提取模块，使网络特征提取能力提升。其次，通过分层权重注意力优化模块与通道注意力（CA）机制，提升多尺度特征信息的融合能力。最后，建立基于自适应复制算法的A-Cityscapes数据集、A-IDD数据集以及Field数据集，增加数据集中小目标类别的数量，并完成训练与测试。MFF-STDC网络与STDC对比，mIoU分别提升了4.01%、3.65%、2.94%，并且对复杂环境中小目标类别的分割效果远好于其他网络。搭建实景测试实验平台，测试结果表明，MFFSTDC网络有效提升了小目标类别的语义分割精度与分类能力，并且满足实时性要求。

关键词

计算机应用 / 小目标类别检测 / 多层级特征融合 / CA机制 / 自适应复制算法