典型文献
基于实景数据增强和双路径融合网络的实时街景语义分割算法
文献摘要：
街景图像的分割在工业运用中具有十分重要的作用,但是街景图像具有种类繁多、光照多变等特点,此外,街景分割任务在追求准确性的同时要兼顾实时性,以上特点使得该任务具有很大的挑战性.本文针对这一挑战性任务提出了一个由空间路径和细节路径组成的双路径网络(Dual-path Fusion Network,DFNet),其中细节路径利用高分辨率的输入得到丰富的边界信息,空间路径利用细节路径产生的高质量特征图获得足够多的语义信息;网络的开始嵌入了一个可训练的图像预处理模块(Image Preprocessing Module,IPM),该模块可以使光照不同的图像进入网络正式训练之前在RGB通道上具有方差和均值的一致性;经过预处理模块之后的特征图会分别输入到细节路径和空间路径;本文提出了一个条状注意力细化模块(Attention Refinement Module,ARM),并将其放到空间路径的最后,可以将通道级信息和局部条状信息有效结合起来;在网络的最后,利用图像融合模块(Feature Fusion Module,FFM)对两条路径的特征信息进行融合,得到最后的分割结果.同时,本文还提出了一种基于小目标重组的"复制粘贴"数据增强方法,减弱了小目标样本数据不均衡的问题,同时扩充了数据集,该算法可以提升单个网络近2％的平均交并比(mIoU).本文利用所提算法在CityScapes和CamVid数据集上进行了实验验证,对于CityScapes数据集来说,输入大小为1024×2048,其每秒处理帧数(FPS)和mIoU分别达到了98和70.1％;对于CamVid数据集来说,输入大小为720×960,其FPS和mIoU分别达到了208和65.7％.与已有算法相比,本文算法的推理速度要优于最先进的实时街景语义分割算法,同时保持了较高的分割结果准确性,本文算法在街景图像语义分割速度和分割性能之间取得了良好的平衡.
文献关键词：
街景图像;语义分割;数据增强;深度卷积神经网络
中图分类号：
作者姓名：
张志文;刘天歌;聂鹏举
作者机构：
燕山大学信息科学与工程学院,河北秦皇岛066000
文献出处：
引用格式：
[1]张志文;刘天歌;聂鹏举-.基于实景数据增强和双路径融合网络的实时街景语义分割算法)[J].电子学报,2022(07):1609-1620
A类：
DFNet,Preprocessing
B类：
实景,数据增强,路径融合,融合网络,分割算法,街景图像,有种,顾实,得该,挑战性任务,双路径网络,Dual,path,Fusion,Network,高质量特征图,语义信息,图像预处理,Image,Module,IPM,入网,RGB,会分,别输,条状,Attention,Refinement,ARM,放到,信息有效,有效结合,图像融合,Feature,FFM,两条路,特征信息,小目标,复制粘贴,增强方法,数据不均衡,平均交并比,mIoU,CityScapes,CamVid,每秒,FPS,推理速度,最先,结果准确性,图像语义分割,深度卷积神经网络
AB值：
0.385697
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
