计算机工程

作者：王柏涵, 姜晓燕, 范柳伊

单位：上海工程技术大学电子电气工程学院, 上海 201600

关键词：语义分割,卷积神经网络,深度监督,图神经网络,反常识现象

基金：国家自然科学基金联合项目(U2033218); 国家自然科学基金重点项目(61831018)

现有卷积操作在语义分割任务中难以有效捕捉长距离区域间的关系，导致分割结果不符合人类常识。为此，提出一种基于深度监督隐空间构建的语义分割改进方法。采用“特征图-隐空间-特征图”流程，将图像空间的像素特征转换为隐空间中的节点特征，将区域之间的位置和语义关系转换为节点之间的连接权重，实现了从特征图到隐空间的特征转换。在隐空间构建过程中，使用Kullback-Leibler散度损失函数监督投影矩阵，以避免从特征图到隐空间节点的转换过程中丢失特征；使用InfoNCE损失函数监督节点特征表征与真实标签表征，使得图像特征与标签保持一致。该方法在构建的隐空间上使用图神经网络进行语义推理，学习节点之间的关系，赋予模型学习区域间语义关系的能力，从而改善分割结果中的反常识现象。在公开数据集CityScapes上的实验结果表明，相比基线分割网络，该方法的平均交并比（mIoU）为81.1%，相较于基线分割网络mIoU提升2.6个百分点，能有效提升分割结果。

来源：2024年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第3期