基于双目图像与跨级特征引导的语义分割模型

摘要：

为改善单目图像语义分割网络对图像深度变化区域的分割效果,提出一种结合双目图像的深度信息和跨层次特征进行互补应用的语义分割模型.在不改变已有单目孪生网络结构的前提下,利用该模型分别提取双目左、右输入图像的二维信息,并基于ParallelNet设计色彩深度融合模块,计算双目图像特征点的不同视差等级相似度提取深度信息,同时将其与二维信息进行融合获得深度特征.同时,在高层语义信息指导下使用跨级特征注意力模块得到准确的低层类别边界信息,以提高各尺度特征的利用率与边缘区域的准确率.实验结果表明,与传统ParallelNet双目基准模型相比,该模型分割得到图像的平均交并比与像素精度分别提高3.67和3.32个百分点,对栅栏和交通标志等相似区域的分割更细致准确.

关键词：语义分割、双目图像、深度信息、跨级特征、注意力

所属期刊栏目：46

分类号：TP753(遥感技术)

资助基金：国家重点研发计划2017YFB1300205

在线出版日期：2020-11-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：275-281,288