基于双分支多尺度特征融合的道路场景语义分割

针对实时场景图像语义分割网络模型难以在分割精度、模型参数量和推理速度中取得平衡的问题,提出了一种轻量级实时语义分割算法.首先,该算法以双分支结构作为该网络的基本结构,并在各个分支中分别对不同分辨率的特征图进行特征信息提取;其次,在高分辨率分支和低分辨率分支中分别加入改进的金字塔切分注意力模块和残差空洞金字塔模块,并在不同分支之间进行了双侧特征融合,以充分融合空间信息和语义信息;最后,设计了特征融合模块,并通过上采样操作对图像进行恢复,以实现图像语义分割.该算法在Cityscapes和Camvid数据集上进行验证,以5.02 M的参数量分别取得了76.8%和70.5%的mIoU,分别达到了56 fps和147 fps的运行速度.

基于多尺度特征融合生成对抗网络的水下图像增强

针对水下退化图像细节模糊、对比度低和蓝绿色偏问题,提出了一种基于多尺度特征融合生成对抗网络的水下图像增强算法。算法以生成对抗网络为基本框架,结合传统白平衡算法和多尺度增强网络实现对水下退化图像的增强。通过改进的通道补偿白平衡算法矫正蓝绿色偏,并以卷积神经网络提取偏色校正后图像的特征;提取图像多尺度特征,结合提出的残差密集块将每一层的局部特征增强为捕获语义信息的全局特征,并与偏色校正图像的特征相融合;通过重建模块将融合特征重建为清晰图像,恢复图像的细节信息。实验结果表明,该算法增强的水下图像去雾效果较好且颜色更真实,有效改善了水下图像色偏和模糊的问题,在主观指标和客观指标上的实验结果均优于对比算法。