10.3969/j.issn.1673-629X.2023.09.005
基于高效深度瓶颈结构的实时语义分割方法
针对现阶段语义分割方法参数量多、计算成本高,难以满足实际场景需求的问题,提出了一种基于高效深度瓶颈结构的轻量级实时语义分割方法(GDBNet).首先,利用分解卷积和扩张卷积的有效结合构建出高效深度瓶颈结构,并以一种轻量并高效的方式提取局部上下文信息;然后,将该结构堆叠来获取多尺度的语义信息;最后,通过注意力融合连接模块聚合多尺度的上下文信息并指导特征选择,以此提高分割效果.在不经过任何预训练和后处理的情况下,GDBNet在Cityscapes和Camvid数据集上以140.0 FPS和143.7 FPS的推理速度分别达到了72.91%和68.84%平均交并比的准确度并且参数量仅为0.66 M.该方法在Cityscapes数据集上,相比于同类型深度非对称瓶颈网络(DABNet),准确度提高了2.81 百分点,推理速度上升了35.8 FPS,并且参数量降低了0.1 M;在Camvid数据集上,与SPMNet方法相比,准确度提高了1.54 百分点,同时参数量和推理速度也更优.实验结果表明:所提方法在满足实时性要求的前提下,能较为准确地识别场景信息.
瓶颈结构、实时语义分割、分解卷积、扩张卷积、上下文信息
33
TP391.4(计算技术、计算机技术)
国家自然科学基金U1803262
2023-09-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
30-36