DOI:10.11991/yykj.202301006网络出版地址：https://link.cnki.net/urlid/23.1191.u.20240202.1536.004基于双分支交互的实时语义分割算法杨迪，陈春雨哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨150001摘要：针对双分支实时语义分割算法存在双分支交互差、多尺度上下文信息提取不完善等问题，提出了基于双分支交互的实时语义分割网络(dual-branchinteractivemulti-scalefusionnetworkforreal-timesemanticsegmentation，DIMFNet)。算法以引导聚合双边语义分割网络(bilateralnetworkwithguidedaggregationforreal-timesemanticsegmentation,BiseNetV2)的双分支结构为基准进行改进，空间分支提取空间细节特征，上下文分支提取深层上下文特征。结合注意力思想提出注意力引导高级语义融合模块(attentionguidehigh-levelsemanticsfusionmodule，AGHSM)实现双分支的交互融合，以获得更好的空间特征表示；对金字塔池化模块进行改进，提出采用多层聚合金字塔池化模块(multi-layeraggregationpyramidpoolingmodule，MAPPM）提取多尺度上下文特征，以获得更好的上下文特征表示。算法在Cityscapes数据集上进行消融实验并与现有实时语义分割网络进行对比，验证了各模块的有效性，以124.5f/s达到了77.9%的平均交并比(meanintersectionoverunion，MIoU)；在CamVid数据集上以211.1f/s达到了75.1%的MIoU。相比现有的实时语义分割网络，本文算法更好地权衡了分割的精度和速度。关键词：实时语义分割；空间分支；上下文分支；特征融合；注意力机制；多尺度特征提取；池化金字塔；深度监督中图分类号：TP391.4文献标志码：A文章编号：1009−671X(2024)02−0048−08Real-timesemanticsegmentationalgorithmbasedontwo-branchinteractionYANGDi,CHENChunyuCollegeofInformationandCommunicationEngineering,HarbinEngineeringUniversity,Harbin150001,ChinaAbstract:Inresponsetocurrentissuesofthedual-branchreal-timesemanticsegmentationalgorithm,suchaspoorinteractionbetweenthetwobranchesandincompleteextractionofmulti-scalecontextualinformation,thispaperproposesthedual-branchinteractivemulti-scalefusionnetworkforreal-timesemanticsegmentation(DIMFNet).Thealgorithmisbasedonthedual-branchstructureofthebilateralnetworkwithguidedaggregationforreal-timesemanticsegmentation(BiseNetV2),withthespatialbranchextractingspatialdetailfea...
