一种多尺度注意力机制的道路场景语义分割网络

作者：范润泽; 刘宇红; 张荣芬; 李景玉

来源：计算机工程, 2022, 1-11.

DOI：10.19678/j.issn.1000-3428.0063257

• 深度学习
• 语义分割
• 注意力机制
• 小波变换
• 多尺度

通过对道路场景进行语义分割可以辅助车辆感知周边环境，以达到避让行人、车辆以及各类小目标物体障碍的目的，进一步提高行驶的安全性。针对道路场景语义分割中小目标物体识别精度不高、网络参数量过大不利于部署等问题，本文提出了一种基于多尺度注意力机制的语义分割网络。在网络上架构中，首先利用小波变换多分辨率多尺度分析的特性，设计了一种多尺度小波注意力模块并嵌入到编码器结构中，融合不同尺度及频率的特征信息，保留更多的边缘轮廓细节；其次通过编码器与解码器之间的层级连接以及改进的金字塔池化模块进行多方面特征提取，在保留上下文特征信息的同时获得更多的图像细节；最后在网络模型训练部分，通过设计多级损失函数来约束模型训练，加快网络收敛。使用道路场景数据集CamVid进行测试，平均交并比达到60.21%，与DeepLabV3+和DenseASPP相比参数量平均减少30%，证实了本算法在做到不额外增加参数量的前提下提升了网络模型精度，为道路图像语义分割领域提供了一种新的多尺度分割方法。

• 单位
  贵州大学