基于自适应注意力机制的轻量化语义分割网络

• 作者: 王艳莉 连晓峰 康毛毛 北京工商大学计算机与人工智能学院
• 来源期刊: 计算机测量与控制
• 学科: 工学
• 关键词: 室内语义分割;轻量化网络;注意力机制;空洞卷积
• 年，卷（期）: 2025,（12）
• 页码范围: 223-228,235
• 页数: 7页
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2024.12.032

摘要

针对语义SLAM中语义分割速度较慢，实时性较低、占用资源过多等问题，提出一种含有自适应通道注意力机制的轻量级Mask R-CNN网络，由于原有的语义分割网络里的残差网络复杂，且应用环境在室内，环境较为简单，故该轻量级网络将原有复杂的主干网络中的ResNet-50利用深度可分离卷积与分组卷积改进为更加轻量的ResNet-DS-tiny,并加入自适应通道注意力机制提升网络精度；在自适应通道注意力模块中，利用加权方式对输入的RGB-D图像从空间和通道赋予不同的权重，增强了特征的表达能力；此外，为了轻量化特征金字塔，使用不同空洞率的空洞卷积来提取不同大小感受野的特征信息，有效地获取了多尺度的特征；相较于传统的特征金字塔，空洞卷积减少了参数量；在更充分获取RGB信息特征的同时，提升了语义分割系统的实时性并减少了资源占用。