融合空间十字注意力与通道注意力的语义分割网络

针对现有语义分割方法无法有效构建上下文语义关联关系以及所提取的语义特征表征能力不足的问题,提出了一种新的空间十字注意力与通道注意力相融合的语义分割网络。首先,采用空间十字注意力模块(SCCAM)聚合目标像素在水平和垂直方向上的上下文信息,进而高效地建立像素之间的非局部语义依赖关系。其次,在通道注意力模块(CAM)中引入多头注意力机制,在多个通道子空间上挖掘语义更显著的通道特征。在此基础上,通过融合空间与通道两个维度上的注意力特征,进一步增强特征的语义表征能力,提升语义分割精度。在Cityscapes数据集、PASCAL VOC2012数据集以及CamVid数据集上的实验结果表明,与其他先进语义分割方法相比,该网络模型具有更高的分割精度。