一种基于对偶学习的场景分割模型

作者：刘思纯; 王小平^*; 裴喜龙; 罗航宇

来源：计算机科学, 2023, 1-16.

• 场景分割
• 图像重建
• 对偶学习
• 注意力机制
• 深度可分离卷积
• 多层次特征融合

城市场景分割等复杂任务，存在特征图空间信息利用率低下、分割边界不够精准以及网络参数量过大的问题。为解决这些问题，提出了一种基于对偶学习的场景分割模型DualSeg。首先采用深度可分离卷积使得模型参数量显著减少；其次，融合空洞金字塔池化与双重注意力机制模块获取准确的上下文信息；最后，利用对偶学习构建闭环反馈网络，通过对偶关系约束映射空间，同时训练“图像场景分割”和“对偶图像重建”两个任务，能够辅助场景分割模型的训练，帮助模型更好地感知类别边界、提高识别能力。实验结果表明，基于Xception骨架网络的DualSeg模型在自然场景分割数据集PASCAL VOC中，mIoU和全局准确率分别达到了81.3%和95.1%，在CityScapes数据集上mIoU达到了77.4%，并且模型参数量下降18.45%，验证了模型的有效性。后续将探索更有效的注意力机制，进一步提高分割精度。

• 单位
  同济大学