基于实景数据增强和双路径融合网络的实时街景语义分割算法

街景图像的分割在工业运用中具有十分重要的作用，但是街景图像具有种类繁多、光照多变等特点，此外，街景分割任务在追求准确性的同时要兼顾实时性，以上特点使得该任务具有很大的挑战性.本文针对这一挑战性任务提出了一个由空间路径和细节路径组成的双路径网络（Dual-path Fusion Network,DFNet），其中细节路径利用高分辨率的输入得到丰富的边界信息，空间路径利用细节路径产生的高质量特征图获得足够多的语义信息；网络的开始嵌入了一个可训练的图像预处理模块（Image Preprocessing Module,IPM），该模块可以使光照不同的图像进入网络正式训练之前在RGB通道上具有方差和均值的一致性；经过预处理模块之后的特征图会分别输入到细节路径和空间路径；本文提出了一个条状注意力细化模块（Attention Refinement Module,ARM），并将其放到空间路径的最后，可以将通道级信息和局部条状信息有效结合起来；在网络的最后，利用图像融合模块（Feature Fusion Module,FFM）对两条路径的特征信息进行融合，得到最后的分割结果 .同时，本文还提出了一种基于...