公开(公告)号：CN113313721A

公开(公告)日：2021-08-27

申请号：CN202110867844.6

申请日：2021-07-30

Applicant: 南京理工大学

Inventor： 练智超 ,  贾稀贝 ,  刘悦 ,  陶叔银

IPC: G06T7/11 ,  G06T7/194 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于多尺度结构的实时语义分割方法，首先对语义信息分支进行高维特征提取；然后建立上下文语义分支和空间分支；最后，语义特征和空间特征输入特征融合模块进行特征融合，最终输出对应的预测图，实现语义分割任务。本发明的并行语义信息分支中嵌入的多重卷积，集合了不同阶段的相应特征，并以较小的计算代价生成了一个强大的全局上下文特征表示。与BiSeNet相比，本发明实现了更快的速度和相当的性能，在基于ResNet18主干的城市景观数据集上，FPS指标为195.7，在语义分割推理速度FPS指标上远超BiSeNet，相当于每秒钟可以多计算45张左右分辨率为512×1024的图像。

公开(公告)号：CN113313721B

公开(公告)日：2021-11-19

申请号：CN202110867844.6

申请日：2021-07-30

Applicant: 南京理工大学

Inventor： 练智超 ,  贾稀贝 ,  刘悦 ,  陶叔银

IPC: G06T7/11 ,  G06T7/194 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于多尺度结构的实时语义分割方法，首先对语义信息分支进行高维特征提取；然后建立上下文语义分支和空间分支；最后，语义特征和空间特征输入特征融合模块进行特征融合，最终输出对应的预测图，实现语义分割任务。本发明的并行语义信息分支中嵌入的多重卷积，集合了不同阶段的相应特征，并以较小的计算代价生成了一个强大的全局上下文特征表示。与BiSeNet相比，本发明实现了更快的速度和相当的性能，在基于ResNet18主干的城市景观数据集上，FPS指标为195.7，在语义分割推理速度FPS指标上远超BiSeNet，相当于每秒钟可以多计算45张左右分辨率为512×1024的图像。