计算机工程

作者：朱杰, 龚声蓉, 周立凡, 徐少杰, 钟珊

单位：1. 东北石油大学 计算机与信息技术学院, 黑龙江 大庆 163318;2. 常熟理工学院 计算机科学与工程学院, 江苏 苏州 215000

关键词：语义分割,多尺度投票网络,平均交并比,不规则卷积,目标边缘

基金：国家自然科学基金（61972059，42071438）；江苏省自然科学基金（BK20191474）。

针对语义分割领域中多尺度共享网络训练复杂度高，以及网络在小目标、长条状目标、目标边缘处拟合效果不佳的问题，提出一种新型外接多尺度投票网络。通过投票网络融合各尺度分割结果，降低网络训练复杂度，并将共享网络中的分割网络与各尺度注意力头剥离开，仅训练各尺度注意力头，以便于网络收敛。在投票网络的结构设计中，使用多类别投票方法扩大投票空间，通过融入混合池化模块聚合近程与远程权值，扩大网络感受野，缓解权值图中长条状目标拟合间断与缺失的问题。在此基础上引入类内、类间投票注意力模块获取权值及类间关系，并采用不规则卷积，改善投票权值图的边缘拟合效果。在Cityscapes数据集上的实验结果表明，相比FCN、PSPNet、DeepLabv3+分割网络，该网络的平均交并比分别提升了0.92、0.88、0.80个百分点，与共享网络相比，其训练复杂度更低，精度更高。

来源：2022年第10期

《计算机工程》期刊编辑部

查看计算机工程杂志2022年第10期