基于空洞卷积差分网络的实时语义分割算法研发及应用

发布时间：2020-12-06 07:05

　　目前基于深度学习的语义分割技术发展迅速,在自动驾驶、虚拟现实、增强现实等领域有广泛的应用前景。现阶段大多数语义分割网络以提高精度为目标,需要大量的浮点运算和冗长的运行时间。另一些实时语义分割网络主要以折损空间信息为手段加快推断速度,这将导致精度退化。为了获得更高精度与速度的语义分割网络,本文研发了空洞卷积差分网络（Atrous Convolution Difference Network,ACDNet）,包含上下文支路与空间支路。以ResNet-18为骨干网络的上下文支路中,设计了空洞差分模块（Atrous Difference Module,ADM）,将目标局部特征与环境上下文特征进行差分,借由注意力机制获取全局上下文信息,并选择有效的特征通道。空间支路中连续堆叠小步长卷积,用以编码丰富的空间信息。特征选择模块（Feature Selection Module,FSM）将两条支路的特征进行合理融合,避免了直接串联不同类型特征导致的精度下降。ACDNet在CamVid数据集上（960×720分辨率）,使用GTX 1080Ti进行前向推断,平均交并比（Mean Intersection ... 

【文章来源】：浙江大学浙江省 211工程院校 985工程院校 教育部直属院校

【文章页数】：84 页

【学位级别】：硕士

【部分图文】：

图２－１二维卷积操作过程??图２－１展示了二维卷积的操作过程

一般将会进行下采样，这个过程中将丟失空间信息，使得小物体信息无法重??建。空洞卷积可以保持特征图尺度同时增大感受野。与普通卷积不同的是，空洞??卷积增加了一个名为扩张率（Ｄｉｌａｔｉｏｎ?Ｒａｔｅ）的参数，如图２－３所示，扩张率指??核值之间的间隔，普通卷积的扩张率为１。??ｒ—｜?—一——￣￣Ｉ?————一￣￣￣：?——一—?Ｉ—Ｉ—Ｉ———￣—Ｉ—Ｉ—■￣￣Ｉ—］—Ｉ—Ｉ—Ｉ一Ｉ—；?Ｉ—Ｉ—Ｉ一Ｉ—Ｉ—Ｉ￣Ｉ￣！—Ｉ—Ｉ￣Ｉ￣Ｉ—Ｉ￣：￣Ｉ￣Ｉ￣Ｉ￣｜??ｒ?—４￣?——?？??ｊ?Ｉ—??Ｉ?—?■?Ｉ?１?＊?＊?Ｉ—！■?ｆ?．?ｉ－?—?—?—?Ｈ?Ｈ?Ｈ?—?Ｈ?Ｈ?Ｈ?ｊ?｜?—Ｉ—??Ｉ＇?＂４?１?—？?＇?????Ｉ????■呻?????ｉ?＇?｜?－ｊ???—???—?■！???１?＊?Ｉ?？?＾?１?ｔ?Ｌ—?ｍａｍ?ｈＪ—ｊ??ｒ?１?１?—?—?ｔ?—?十?■?—?—?Ｉ?１．?■＋?—?？?—?—?１?４?ｊ?—?１?４?卜丨－彳?｛?Ｉ?ｊ?ｌ＊－—ｌｉｐａｉ?ｍＬａ?？?Ｉ??ＦＦｒ—ＴｒｉＴｒｈ＾—卜?■■丄??，４——?＾?—?－?？??－Ｈ－?￣??＾???？?？ｍｉ?ｒｉ?■?■?ｎ??，—■???－４—?’?ｆ?４－?－■?—?—?—ｆ—－?…ＩＨ?■?．??．?１?３３１?

全过接?屙祁漣接杈（Ａ共孓??图２－２三种连接类型??卷积运算具有平移不变性。卷积产生的二维映射表明某些特征在输入中出现??的位置，如果移动输入中的对象，它的表示也会在输出中移动同样的量。卷积对??其他变换不是天然等变的，例如图像缩放或者旋转，需要其他机制来处理。??空洞卷积｜８］是特殊的卷积运算，诞生于图像分割领域。为了获得更大的感受??野，一般将会进行下采样，这个过程中将丟失空间信息，使得小物体信息无法重??建。空洞卷积可以保持特征图尺度同时增大感受野。与普通卷积不同的是，空洞??卷积增加了一个名为扩张率（Ｄｉｌａｔｉｏｎ?Ｒａｔｅ）的参数，如图２－３所示，扩张率指??核值之间的间隔


本文编号：2900944