基于注意力机制的轻量级RGB-D图像语义分割网络

• 作者: 孙刘杰 张煜森 王文举 赵进
• 来源期刊: 包装工程
• 学科: 工学
• 关键词: RGB-D图像 语义分割 深度可分离卷积 通道注意力
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 图文信息技术|Graphic Information Technology
• 页码范围: 264-273
• 页数: 10页
• 分类号: TP391
• 语种: 中文
• DOI: 10.19554/j.cnki.1001-3563.2022.03.033

摘要

目的 针对卷积神经网络在RGB-D(彩色-深度)图像中进行语义分割任务时模型参数量大且分割精度不高的问题,提出一种融合高效通道注意力机制的轻量级语义分割网络.方法 文中网络基于RefineNet,利用深度可分离卷积(Depthwise separable convolution)来轻量化网络模型,并在编码网络和解码网络中分别融合高效的通道注意力机制.首先RGB-D图像通过带有通道注意力机制的编码器网络,分别对RGB图像和深度图像进行特征提取;然后经过融合模块将2种特征进行多维度融合;最后融合特征经过轻量化的解码器网络得到分割结果,并与RefineNet等6种网络的分割结果进行对比分析.结果 对提出的算法在语义分割网络常用公开数据集上进行了实验,实验结果显示文中网络模型参数为90.41 MB,且平均交并比(mIoU)比RefineNet网络提高了1.7％,达到了45.3％.结论 实验结果表明,文中网络在参数量大幅减少的情况下还能提高了语义分割精度.