基于上下文的多路径空间编码图像语义分割方法

Image Semantic Segmentation Based on Multi-path Spatial Coding of Context

目前,语义分割主流的U型结构在上采样过程中可以有效融入编码端空间细节信息,但是缺乏有效的上下文信息,特别是全局的上下文信息,它们会忽略部分对象边界的上下文信息。针对该问题,提出了一种多路径基于上下文的提取策略并有效地融合空间细节信息,优化了U型网络的结构:在编码端,通过全局平均池化获取各路径上下文信息;通过注意力机制模块引导当前特征图学习,使其包含更多的语义信息;通过融合模块自上而下进行特征融合。最后,通过Cityscapes数据集对提出的网络结构进行验证,取得了有竞争力的结果。

This paper proposes a multi-path context-based extraction strategy while it effectively fuse spatial details.We optimized the structure of the U-shaped network.At the encoding,the context information of each path is obtained by simple global average pooling,and the current feature map is guided through the attention module which make it contain more semantic information.The proposed approach achieves competitive results on the Cityscapes benchmarks.