LENet:基于多尺度卷积注意力的轻量高效激光雷达语义分割网络
计算机视觉与模式识别
2023-06-21 v3
摘要
基于LiDAR的语义分割在机器人与自动驾驶领域至关重要,因其提供对场景的全面理解。本文提出一种轻量高效的基于投影的语义分割网络LENet,采用编码器-解码器结构用于基于LiDAR的语义分割。编码器由具有不同感受野尺寸的新型多尺度卷积注意力(MSCA)模块构成以提取特征。解码器采用插值并卷积(IAC)机制,利用双线性插值对多分辨率特征图进行上采样,并通过单一卷积层融合先前与当前维度特征。该方法在显著降低网络复杂度的同时提升了精度。此外,我们引入多个辅助分割头以进一步优化网络精度。在SemanticKITTI、SemanticPOSS与nuScenes等公开数据集上的大量评估表明,相较SOTA语义分割方法,我们所提方法更轻量、更高效且更鲁棒。完整实现见https://github.com/fengluodb/LENet。
引用
@article{arxiv.2301.04275,
title = {LENet: Lightweight And Efficient LiDAR Semantic Segmentation Using Multi-Scale Convolution Attention},
author = {Ben Ding},
journal= {arXiv preprint arXiv:2301.04275},
year = {2023}
}