论文解读|IEEE|Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes

Real-Time High-Performance Semantic Image Segmentation of Urban Street Scenes

自动驾驶领域：一种实时高精度的城市道路场景语义分割方法

发布：IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS

原文：原文地址

 

总结

在本文中，提出了一种新的实时高性能语义分割方法，以实现在准确性和速度之间的平衡。该方法由四个主要部分组成:LBN-AA、DASPP、SPN和FFN。LBN-AA利用轻量化网络、卷积、卷积关注模块提取特征，得到密集的特征图。DASPP增加了输入特征的多样性，利用丰富的上下文信息有效地解决了语义分割的多尺度问题。SPN的设计是为了保留丰富的空间信息，弥补细节的缺失。FFN负责融合高级和低级特性。这些组件通过紧密耦合和联合优化来保证语义分割的有效性。在城市景观和CamVid数据集上的定性和定量结果证明了该方法的有效性和效率。该方法中的一些模块不仅可以用于实时语义分割，而且可以用于精确的语义分割。

网络模型

方法

LBN-AA
可以看到在Mob