基于DeepLabV3+的语义分割算法研究

摘要

针对现有道路场景语义分割算法存在准确性和实时性不兼容的问题，在DeepLabV3+基础上提出一种引入注意力机制的高效语义分割算法。提出一种并行主干特征提取网络来并行提取输入图像的语义信息和空间细节信息；改进通道域和空间域注意力机制模块并应用于主干特征提取网络之后；提出一个特征融合及上采样模块获取最终的图像分割结果。在Cityscapes数据集上验证所提算法的性能，结果表明：所提算法的平均交并比mIoU为74.54%,平均像素精度mPA为84.93%,处理一张图片的时间仅需45 ms;在模型分割精度和分割速度上达到更好的均衡，满足了自动驾驶系统对道路场景分割的要求。

关键词

道路场景 / 语义分割 / 并行特征提取网络 / 注意力机制

基金资助

国家自然科学基金项目(52102465); 山东省重大科技创新工程项目(2023CXGC010111)