第39卷第2期2024年2月Vol.39No.2Feb.2024液晶与显示ChineseJournalofLiquidCrystalsandDisplaysDFNet：高效的无解码语义分割方法刘腊梅1，杜宝昌1，2，黄惠玲2，章永鉴2，3，韩军2*（1.辽宁工程技术大学软件学院，辽宁葫芦岛125000；2.中国科学院海西研究院泉州装备制造研究中心，福建泉州362000；3.厦门理工学院电气工程与自动化学院，福建厦门361024）摘要：针对编解码语义分割网络计算量大、解码结构复杂的问题，提出一种高效无解码的二值语义分割模型DFNet。该模型首先去除主流分割网络中复杂的解码结构和跳跃连接，采用卷积重塑上采样方法重塑特征编码直接得到分割结果，简化网络模型结构；其次在编码器中融合轻量双重注意力机制EC&SA，提高特征编码的通道及空间信息交互，增强网络的编码能力；最后使用PolyCE损失替代常规分割损失，解决正负样本不均衡问题，提高模型的分割精度。在Deep⁃Globe道路分割和CrackForest缺陷检测等二值分割数据集上的实验结果表明，本文模型的分割精度F1均值和IoU均值分别达到84.69%和73.95%，且分割速度高达94FPS，远超主流语义分割模型，极大地提高了分割任务效率。关键词：二值分割；卷积重塑上采样；EC&SA；PolyCE；道路分割；缺陷检测中图分类号：TP391文献标识码：Adoi：10.37188/CJLCD.2023-0036DFNet：efficientdecoder-freesemanticsegmentationnetworksLIULamei1，DUBaochang1，2，HUANGHuiling2，ZHANGYongjian2，3，HANJun2*（1.CollegeofSoftware，LiaoningTechnicalUniversity，Huludao125000，China；2.QuanzhouInstituteofEquipmentManufacturing，HaixiInstitutes，ChineseAcademyofSciences，Quanzhou362000，China；3.CollegeofElectricalEngineeringandAutomation，XiamenUniversityofTechnology，Xiamen361024，China）Abstract：Totacklethechallengesposedbythecumbersomecomputationandintricatedecodingstructureofcodecsemanticsegmentationnetworks，wepresentanoveldecoder-freebinarysemanticsegmentationmodelDFNet.Bydiscardingthecomplexdecodingstructureandjumpconnectionsthatareubiquitousinconventionalsegmentationnetworks，ourmodeladoptsaconvolutionalremoldingupsamplingmethodtodirectlyreshapefeaturecodingandobtainprecisesegmentationresults，significantlystreamliningthenetworkarchitecture.Moreover，ourencoderintegratesalightweightdualattentionmechan...
