典型文献
快速超轻量城市交通场景语义分割
文献摘要：
近年来,随着自动驾驶的火热发展,越来越多研究者开始探索图像语义分割网络的轻量化并将其应用于道路交通场景.而目前现存的语义分割网络通常由于参数量庞大难以部署在硬件资源有限的边缘设备,针对这一问题,设计了一个由通道注意力骨干网络(CABb)和空间注意力解码器(SAD)模块构成的双注意力轻量化网络(DALNet),结合"通道-空间"双注意力机制的DALNet在图像上下文语义信息的提取和图像空间信息的恢复上都具有突出的表现.CABb主要由通道注意力瓶颈(CABt)模块组成,CABt模块采用Split策略分离特征通道并行处理多尺度的特征图,引入通道注意力机制进行通道融合,提取多尺度语义信息.SAD模块利用空间注意力机制指导解码器进行双线性插值上采样,恢复分割目标边沿以及细节信息.实验结果表明,DALNet仅凭48万的参数量在城市交通数据集Cityscapes和CamVid最高分别可达到74.1％和70.1％的交并比(mIoU).DALNet在输入图像分辨率为512×1024的情况下,基于GTX 1080Ti GPU可以获得74 frame/s的前向推理速度,远超实时语义分割所需的速度要求.
文献关键词：
快速语义分割;轻量化网络;通道注意力;空间注意力;城市交通
中图分类号：
作者姓名：
石敏;沈佳林;易清明;骆爱文
作者机构：
暨南大学 信息科学技术学院,广州 510632
文献出处：
引用格式：
[1]石敏;沈佳林;易清明;骆爱文-.快速超轻量城市交通场景语义分割)[J].计算机科学与探索,2022(10):2377-2386
A类：
CABb,DALNet,CABt
B类：
超轻,城市交通,交通场景,场景语义,自动驾驶,火热,图像语义分割,语义分割网络,道路交通,参数量,硬件资源,边缘设备,骨干网络,解码器,SAD,轻量化网络,双注意力机制,上下文语义,语义信息,和图像,图像空间,空间信息,Split,并行处理,特征图,通道注意力机制,道融,空间注意力机制,双线性插值,上采样,复分,边沿,细节信息,仅凭,交通数据,Cityscapes,CamVid,最高分,交并比,mIoU,图像分辨率,GTX,1080Ti,GPU,frame,推理速度,实时语义分割,快速语义分割
AB值：
0.377262
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。
