超级会员免费看
本文提出了一种基于注意力机制的街景图像语义分割网络，通过空间注意力模块和通道注意力模块改善了现有方法的分割精度和参数量。利用ResNet18作为主干网络，通过两种注意力模块自适应细化特征图，提升网络性能。实验证明，该网络在Cityscapes和CamVid数据集上取得了较好的分割效果，同时保持了轻量级的特性。
摘要
街道场景图像的准确分割对于自动驾驶系统具有重要辅助作用，而针对该场景的现有语义分割方法仍存在分割精度不高、参数量大等问题。为有效改善语义分割性能，通过构建空间注意力模块和通道注意力模块，提出一种注意力语义分割网络。该网络首先采用残差网络提取特征，然后并行使用两种注意力模块分别从空间和通道维度自适应细化特征图，以使网络在训练学习过程中更加关注信息丰富的空间区域和通道，进而增强网络表示能力。所提注意力模块具有结构简单和轻量级的特点，能与网络一起进行端到端训练。在Cityscapes和CamVid数据集上的实验结果表明，该注意力语义分割网络在较少的参数条件下，可获得较好的分割效果。
0 引言
图像语义分割是指按照图像中像素的语义类别将图像分割成若干个不同的区域，其在自动驾驶［1］、医学图像分析［2
订阅专栏 解锁全文
343
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
