第49卷第4期2023年4月ComputerEngineering计算机工程基于深度学习的无人机图像语义分割算法研究白俊卿，韩柏迅，张丰侠（西安石油大学计算机学院，西安710065）摘要：已有关于无人机视觉的图像语义分割算法多数是对遥感图像进行分割，无法表现地面细节信息，导致无人机在低空飞行任务中的实时自主环境感知存在障碍。针对该问题，提出一种低空无人机实时图像语义分割方法。设计一种新型的超网络体系结构，在编码器的最后一层加入一个上下文头权重生成模块，在编码器编码结束前生成解码器中每个块的权重，以减少预测时网络的参数量和计算量，达到实时分割的效果。在解码器中，利用局部连接层机制设计一种动态分片卷积算法，在面对跨越多个分片的大型分割对象时充分考虑上下文语义信息，使解码器中每个卷积核的权重随输入特征图的空间位置而变化，同时利用动态权重针对性地分割不同物体，最大程度地提高网络的自适应性。在低空无人机视觉图像数据集上的实验结果表明，该方法对于建筑、道路、静态车等类别图像的平均交并比为66.3%，预测速度达到37.9帧/s，与MSD、ABCNet算法相比，其分割精度分别提升9.3和2.5个百分点。关键词：无人机视觉；实时语义分割；超网络；局部连接层；迁移学习开放科学（资源服务）标志码（OSID）：中文引用格式：白俊卿，韩柏迅，张丰侠.基于深度学习的无人机图像语义分割算法研究［J］.计算机工程，2023，49（4）：233-239.英文引用格式：BAIJQ，HANBX，ZHANGFX.Deeplearning-basedUAVimagesemanticsegmentationalgorithmresearch［J］.ComputerEngineering，2023，49（4）：233-239.DeepLearning-BasedUAVImageSemanticSegmentationAlgorithmResearchBAIJunqing，HANBoxun，ZHANGFengxia（SchoolofComputerScience，Xi'anShiyouUniversity，Xi'an710065，China）【Abstract】MostexistingimagesemanticsegmentationalgorithmsforUAVvisionarelimitedtoremotesensingimages，whichlacktheresolutiontoaccuratelyrepresentgrounddetails，therebyhinderingUAV'sreal-timeautonomousenvironmentperceptioninlow-altitudeflightmissions.Toaddressthisissue，areal-timeimagesemanticsegmentationmethodforlow-altitudeUAVisproposed.Anewhyper-networkarchitectureisdesigned.Acontextheaderweightgenerationmoduleisaddedtothelastlayeroftheencoder，andtheweightofeachblockinthedecoderisgeneratedbeforetheendoftheencode...
