联合注意力机制与多级特征融合的街景全景分割算法研究

作者：陈杭; 张兆江^*; 刘阔; 张丽媛

来源：测绘与空间地理信息, 2023, 46(09): 43-47.

• 街景
• 全景分割
• 注意力机制
• 多尺度融合

全景分割是场景认知领域的新型挑战性任务，针对此任务中的卷积神经网络和下采样的计算范式中，存在建模长距离特征依赖学习效率低和小物体信息丢失的局限性。本文设计了一种联合注意力机制和多级特征融合的街景分割算法。首先，使用压缩和激励网络(Squeeze-and-Excitation Networks, SENet)改进Panpotic-DeepLab网络，聚合通道上下文信息，加强网络学习重要特征，抑制无用特征。其次，在解码器阶段引入多尺度特征融合模块弥补部分物体信息。为验证方法的有效性，基于Cityscapes城市景观基准数据集，实验结果显示：本文方法提取的全景分割质量(PQ)为59.5%,分割质量(SQ)为80.5%,识别质量(RQ)为73.4%,平均交并比(mIOU)为78.8%。结果表明，本文模块可以有效提升全景分割精度。

• 单位
  河北工程大学; 河北省煤炭资源综合开发与利用协同创新中心