基于注意力及边缘提取任务的实时分割网络

针对小目标分割精度不高且分割边界模糊等问题,对BiSeNet V3进行改进,提出了一种基于全局注意力及边缘提取任务的实时分割网络。结合非对称卷积,对短期密集拼接模块做了轻量化处理,并通过全局注意力增强了特征的全局相关性。边缘分支可通过边缘特征融合模块有效滤除语义特征中与边界无关的信息,并在解码阶段恢复损失的细节信息。改进的损失函数保证了网络能够向着利于小目标分割的方向更新参数。在数据集上的结果及真实环境预测表明,所提网络改善了边界清晰度及小目标分割精度,并在真实场景下仍具有较高鲁棒性。