基于语义分割的城市内涝检测算法

虽然语义分割是图像理解的关键步骤。由于单独使用卷积网络进行语义分割,很难区分具有较大轮廓偏差的同类目标,同时,较高层次的特征会丢失一些详细信息。另外,ACFNet等网络已经引入了注意机制,通过自控系统获取丰富的上下文信息来改进场景分类,但它们并没有将全局范围和局部空间中的类特征关系结合起来,以进一步提高特征的类内一致性和类间可分割性。针对这一问题,提出了带空间约束的类别注意语义分割网络,该网络包含两个子模块,一个子模块利用范畴空间分布引入特征的局部空间位置信息,另一个模块是利用全局类别平均强度引入类别特征的全局强度信息。该网络模型通过选择一种合适的主干网络,从主干网络中获取特征映射,经过全局类别强度和类别局部空间处理两个子模块,将特征叠加成原始特征,最后,通过分类层执行分类处理,并向上采样到输入图像大小,以完成像素级标签预测。实验结果表明,该分割网络比现有的分割网络具有更高的精度。