用于实时语义分割的带残差 U 块与双重引导注意力的双边网络
计算机视觉与模式识别
2023-11-01 v1
摘要
当自动驾驶等部分应用场景需要使用语义分割技术时，首要关注点在于实时性而非极高的分割精度。为在速度与精度间取得良好权衡，近年来提出了双分支架构。其将空间信息与语义信息分开处理，使模型可由两个均不庞大的网络组成。然而，融合两种不同尺度特征的过程成为当今许多双分支模型的性能瓶颈。本研究中，我们为双分支架构设计了一种由注意力计算引导的新融合机制。具体而言，我们使用提出的双重引导注意力 (DGA) 模块，以注意力计算替代部分多尺度变换，即仅用数个近线性复杂度的注意力层便取得与常用多层融合相当的性能。为确保模块有效，我们使用残差 U 块 (RSU) 构建网络双分支之一，旨在获取更好的多尺度特征。在 Cityscapes 与 CamVid 数据集上的大量实验表明了本方法的有效性。
引用
@article{arxiv.2310.20305,
title = {Bilateral Network with Residual U-blocks and Dual-Guided Attention for Real-time Semantic Segmentation},
author = {Liang Liao and Liang Wan and Mingsheng Liu and Shusheng Li},
journal= {arXiv preprint arXiv:2310.20305},
year = {2023}
}