面向道路场景语义分割的移动窗口变换神经网络设计

道路场景语义分割是自动驾驶环境感知的一项重要任务。近年来，变换神经网络(Transformer)在计算机视觉领域开始应用并取得了很好的效果。针对复杂场景图像语义分割精度低、细小目标识别能力不足等问题，本文提出了一种基于移动窗口Transformer的多尺度特征融合的道路场景语义分割算法。该网络采用编码-解码结构，编码器使用改进后的移动窗口Transformer特征提取器对道路场景图像进行特征提取，解码器由注意力融合模块和特征金字塔网络构成，充分融合多尺度的语义特征。在Cityscapes城市道路场景数据集上进行验证测试，实验结果表明，与多种现有的语义分割算法进行对比，本文方法在分割精度方面有较大的提升。