基于显著性语义协同的校园道路场景分割

作者：刘蓝蓝; 杜敏敏; 郑伟; 司马海峰^*

来源：河南理工大学学报(自然科学版), 2023, 42(04): 148-155.

DOI：10.16186/j.cnki.1673-9787.2022070040

• 校园安全
• 图像语义分割
• 协同学习
• 显著性语义

针对复杂场景图像语义分割精度低、细小目标识别能力不足等问题，提出基于显著性语义协同学习的校园道路场景分割算法，并在实时网络模型LinkNet基础上对该算法加以改进。首先，在编码阶段引入空洞空间金字塔池化模块，通过扩大视野提取更丰富的上下文语义信息，提升细小目标的分割能力；其次，采用协同学习思想，将语义分割与显著性检测的特征提取过程进行共享。通过共享卷积层特征，语义分割任务从显著性的学习过程中受益，进而提高分割模型的准确率。为了验证算法性能，在Cityscapes数据集上进行实验。结果表明，与经典的语义分割方法进行对比，本文算法能进一步提高场景内各类目标分割精确度，整体精度达到67.91%，比原LinkNet模型提高了8.14%。

• 单位
  河南理工大学