基于MoblieNet v2的图像语义分割网络

语义分割是计算机视觉重要的一环,其核心是对图像中的每个像素进行分类与定位,需要耗费巨量计算资源.针对经典网络参数多且分割速度慢的问题,本文基于MobileNet v2提出一种轻量级的图像语义分割网络.首先,将轻量级网络MobileNet v2与空洞卷积相结合作为语义分割的特征提取网络.其次,提出条形注意力模块以捕获更多上下文信息,并利用池化来降低计算成本.最后,以类内与类间关系作为约束条件设计了新的辅助损失函数,提升网络的判别能力.建议的网络能够权衡计算量与分割精度之间的关系,并能以较小的计算成本捕获更多的全局信息.在公共数据集PASCAL VOC 2012和遥感数据集DLRSD、WHDLD上进行了大量的测试表明,建议的方法能够有效提升分割效果,在三个数据集上分别取得了71.7%、60.8%和59.3%的平均交并比.