基于改进HRNet架构的图像语义分割算法应用研究

针对当前主流图像语义分割算法提取的特征图分辨率过低，上采样过程中有效语义信息损失过大，易丢失像素点和目标物体区域相关性的问题，提出了一种基于HRNet-OCR联合交叉注意力机制的图像语义分割算法。该法先采用HRNet替代ResNet作为特征提取骨干网络，保留特征提取过程中的高分辨率信息；然后融合OCR算法对图像进行初步的粗略分割，确定目标对象的大致区域；最后，引入交叉注意力机制模块对像素和对象区域的关联程度加权计算，实现像素的精准分类，保留分割区域的边缘细节。实验结果表明，与常见的分割算法FCN、PSPNet、DeepLabv3+等相比，所提算法在ADE20K、Cityscapes、PASCAL VOC 2012数据集上的mIoU分别提升5.37%、3.09%和2.71%，且可以有效保留细节信息，大幅度改善分割精度。