通道混洗与跨尺度增强的轻量级铁路全景分割

摘要

针对高速铁路场景下图像全景分割时存在全景分割精确度低，难以实现轻量级实时分割等问题，提出了一种通道混洗与跨尺度增强的轻量级铁路全景分割方法.首先，基于FasterNet网络，提出了轻量化CS＿FasterNet特征提取网络，通过部分卷积和通道混洗优化了特征信息的聚合，实现对铁路场景下全景分割轻量化特征提取.其次，设计了多尺度特征交互增强模块，利用特征交互和跨特征融合，全面地捕捉局部的细节和全局信息，提高图像特征提取的质量.最后，改进预测融合模块对语义结果与实例结果进行融合，提升网络对图像分割的准确性，得到更加精细的全景分割输出结果.实验结果表明：所提轻量级模型在模型每秒处理帧率和计算量等评价指标均优于对比方法，相较于UPSNet方法，本文方法的每秒约处理11.5帧，全景分割质量提升了约9.9%，能够实现对不同铁路场景下图像全景分割的准确性和实时性.

关键词

全景分割 / 高速铁路 / 轻量级 / 通道混洗 / 跨尺度特征增强

基金资助

国家自然科学基金资助项目(62462043,61963023); 兰州交通大学重点研发项目资助(ZDYF2304)