基于感知注意力和轻量金字塔融合网络模型的室内场景语义分割方法

摘要：

针对实验室场景理解时存在背景复杂、光照多变等问题,利用RGB信息与深度信息在场景理解中具有互补性的特点,提出了一种感知注意力和轻量空间金字塔融合的网络模型(Perception?Attention?and?Lightweight?Spatial?Fusion?Network,PLFNet).在该模型的感知注意力模块中,利用RGB图像与深度图像在网络中的权重不同,以加权的方式实现深度信息对RGB信息的多级辅助;在轻量空间金字塔池化模块中,通过增加级联的空洞空间卷积,不但有效地聚集了多尺度特征,而且比传统空间金字塔池化模块的参数量减少了约92％,使RGB信息和深度信息的融合更充分.在两个室内场景公开数据集上的实验结果表明,该模型的表现均优于经典算法.消融实验结果表明,本文模型添加感知注意力模块和轻量空间金字塔池化模块后,平均交并比分别提高了4.3％和3.5％.最后,利用场景较复杂的生物实验室数据集进行测试,结果表明本文模型可以有效地实现对生物实验室的场景理解.

关键词：生物实验室场景、感知注意力、轻量金字塔、多尺度特征、语义分割、融合

所属期刊栏目：49

分类号：TP391(计算技术、计算机技术)

在线出版日期：2023-03-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：116-127