计算机工程

作者：范润泽, 刘宇红, 张荣芬, 李景玉

单位：贵州大学 大数据与信息工程学院, 贵阳 550025

关键词：深度学习,语义分割,注意力机制,小波变换,金字塔池化

基金：贵州省科学技术基金（黔科合基础-ZK［2021］重点001）。

通过对道路场景进行语义分割可以辅助车辆感知周边环境，达到避让行人、车辆以及各类小目标物体障碍的目的，提高行驶的安全性。针对道路场景语义分割中小目标物体识别精度不高、网络参数量过大等问题，提出一种基于多尺度注意力机制的语义分割模型。利用小波变换的多尺度多频率信息分析特性，设计一种多尺度小波注意力模块，并将其嵌入到编码器结构中，通过融合不同尺度及频率的特征信息，保留更多的边缘轮廓细节。使用编码器与解码器之间的层级连接，以及改进的金字塔池化模块进行多方面特征提取，在保留上下文特征信息的同时获得更多的图像细节。通过设计多级损失函数训练网络模型，从而加快网络收敛。在剑桥驾驶标注视频数据集上的实验结果表明，该模型的平均交并比为60.21%，与DeepLabV3+和DenseASPP模型相比参数量减少近30%，在不额外增加参数量的前提下提升了模型的分割精度，且在不同场景下均具有较好的鲁棒性。

来源：2023年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2023年第2期