改进特征融合的实时语义分割方法

王小玉 李志斌

摘要：针对实时语义分割任务中需要同时兼顾位置信息和语义信息的问题，提出一种改进特征融合的实时语义分割方法。该方法由卷积神经网络、轻量级注意力模块（light attention module， LAM）和双通道特征融合模块（bilateral feature fusion module， BFFM）组成。首先，使用卷积神经网络结合轻量级注意力模块快速提取图像的位置信息和语义信息。然后，使用双通道特征融合模块指导位置信息和语义信息的特征图融合。所提方法在CamVid上，平均交并比达到678%，分割速度可达到526帧/s。在Cityscapes上，平均交并比达到735%，分割速度可达到318帧/s。实验结果表明，提出的分割方法满足分割的準确性和实时性要求，能够适用于实时语义分割任务中。

关键词：图像处理；卷积神经网络；实时语义分割；特征融合；注意力机制