[发明专利]基于多分支深度可分离空洞卷积的实时语义分割方法

说明书

本发明公开一种基于多分支深度可分离空洞卷积的实时语义分割方法，其语义分割网络采用多分支全卷积网络能高效进行上下文信息与细节信息的融合，并补全在下采样中损失的信息，其信息提取网络结构先通过卷积模块对信息进行初步提取并下采样；细节分支通过卷积模块不断提取细节信息；上下文分支通过卷积模块提取上下文信息，多级上采样解码模块能够增加感受野进一步提取上下文信息；细节分支与上下文分通过信息融合模块进行高效信息交换；多尺度空洞深度可分离卷积模块为网络提供多种尺度的感受野并保持空间分辨率不变，同时对上下文信息与细节信息进行融合，并补全下采样过程中损失的信息，增强模型分割效果。

技术领域

本发明涉及图像分割技术领域，具体涉及一种基于多分支深度可分离空洞卷积的实时语义分割方法。

背景技术

语义分割是将图像当中的每个像素分成不同的语义区域，并且依据指定类别对区域分为不同种类。语义分割作为计算机视觉的一个重要分支也是关键任务之一，其应用场景越来越广泛，如地理信息系统、无人车驾驶、医疗影像分析以及机器人领域等，重要性也随着人工智能的快速发展逐渐体现。为了使得语义分割模型能够部署在计算资源与计算耗时均受限的芯片平台上，以满足自动驾驶等领域在实际应用中的需求，出现了专为实时语义分割任务设计的神经网络。相较于一般语义分割网络，实时语义分割网络降低了网络中的参数量，在极大程度上缩短了神经网络的推理时间，实现了在资源受限的硬件上实时推理。然而，当前的实时语义分割方法为了保证推理速度，导致推理结果的可靠性与当前最先进的一般语义分割方法差距较大。

发明内容

本发明所要解决的是实时语义分割网络存在的可靠性不高的问题，提供一种基于多分支深度可分离空洞卷积的实时语义分割方法。

为解决上述问题，本发明是通过以下技术方案实现的：

基于多分支深度可分离空洞卷积的实时语义分割方法，包括步骤如下：

步骤1、构建多分支深度可分离空洞卷积语义分割网络；

所述多分支深度可分离空洞卷积语义分割网络包括2个主分支卷积模块、2个细节分支卷积模块、2个细节分支信息融合模块、3个上下文分支卷积模块、2个上下文分支信息融合模块、1个上下文分支多级上采样解码模块、1个上下文分支上采样模块、3个融合补全分支多尺度深度可分离空洞卷积模块、2个融合补全分支拼接模块、1个主分支逐点求和模块、1个主分支通道压缩模块和1个主分支上采样模块；