基于区块自适应特征融合的图像实时语义分割

作者：黄庭鸿; 聂卓赟^*; 王庆国; 李帅; 晏来成; 郭东生

来源：自动化学报, 2021, 47(05): 1137-1148.

DOI：10.16383/j.aas.c180645

• 深度学习
• 实时语义分割网络
• 区块自适应特征融合
• 跳跃连接结构

近年来结合深度学习的图像语义分割方法日益发展,并在机器人、自动驾驶等领域中得到应用.本文提出一种基于区块自适应特征融合(Block adaptive feature fusion, BAFF)的实时语义分割算法,该算法在轻量卷积网络架构上,对前后文特征进行分区块自适应加权融合,有效提高了实时语义分割精度.首先,分析卷积网络层间分割特征的感受野对分割结果的影响,并在跳跃连接结构(SkipNet)上提出一种特征分区块加权融合机制;然后,采用三维卷积进行层间特征整合,建立基于深度可分离的特征权重计算网络.最终,在自适应加权作用下实现区块特征融合.实验结果表明,本文算法能够在图像分割的快速性和准确性之间做到很好的平衡,在复杂场景分割上具有较好的鲁棒性.

• 单位
  华侨大学