计算机应用

作者：高世伟, 张长柱, 王祝萍

单位：同济大学 电子与信息工程学院, 上海201804

关键词：实时语义分割,深度卷积网络,分解卷积,扩张卷积,通道注意力机制

基金：上海市自然科学基金资助项目（19ZR1461400）。

针对现有语义分割算法参数量过多、内存占用巨大导致其很难满足自动驾驶需要等现实应用的问题，提出一种基于可分离金字塔模块（SPM）的新颖、有效且轻量的实时语义分割算法。首先，利用特征金字塔形式的分解卷积和扩张卷积来构建瓶颈结构，从而以一种简单但有效的方式提取局部和上下文信息；然后，提出基于计算机视觉注意力的上下文通道注意力（CCA）模块，来利用深层语义修改浅层特征图通道权重优化分割效果。实验结果显示：所提出的算法在Cityscapes测试集上以每秒91帧的速度达到了71.86%的平均交并比（mIoU）。相较高效残差分解卷积网络（ERFNet），所提算法mIoU提高了3.86个百分点，处理速度是其2.2倍；与最新的非局部高效实时算法（LRNNet）相比，所提算法mIoU略低0.34个百分点，但处理速度每秒上升了20帧。实验结果表明，所提算法有助于完成如自动驾驶中要求的高效、准确的街道场景图像分割任务。

来源：2021年第10期

《计算机应用》期刊编辑部

查看计算机应用杂志2021年第10期