一种用于道路场景分割的轻量级特征融合网络.pdfVIP

总第418期计算机与数字工程Vol.52No.8

ComputerDigitalEngineering

2024年第8期计算机与数字工程2329

2024年第8期

一种用于道路场景分割的轻量级特征融合网络∗

李富华吴陈

（江苏科技大学计算机学院镇江212003）

摘要道路场景的语义分割存在着实时性和准确性相冲突的矛盾，融合多层次特征和多尺度上下文信息可以提升分

割模型的性能。但是复杂的特征融合将消耗较多的计算资源，并且现有的方法在分割过程中常常忽略位置信息，导致分割

效果不理想。为了解决以上问题，使用了一种高效的轻量级特征融合网络（LFFNet）进行道路场景分割，具体来说就是使用

了一个多层次特征融合模块，通过在注意机制中嵌入空间位置信息来增强多层次特征之间的语义一致性，以便在捕获远距

离依赖关系的同时保留准确的位置信息。此外还使用了一种轻量语义金字塔模块，通过深度可分离卷积提取多尺度上下文

信息。实验结果表明，LFFNet与现有的方法相比FLOPs减少了2.3倍，速度提高了1.7倍，在分割精度和计算效率上有较好

的平衡。

关键词特征融合；坐标注意力；多尺度上下文信息；深度可分离卷积；语义分割

中图分类号TP751DOI：10.3969/j.issn.1672-9722.2024.08.015

ALightweightFeatureFusionNetworkforRoadScene

Segmentation

LIFuhuaWUChen

（SchoolofComputer，JiangsuUniversityofScienceandTechnology，Zhenjiang212003）

AbstractThereisacontradictionbetweenreal-timeandaccuracyinthesemanticsegmentationofroadscene.Integrating

multi-levelfeaturesandmulti-scalecontextinformationcanimprovetheperformanceofthesegmentationmodel.However，complex

featurefusionwillconsumealotofcomputingresources，andtheexistingmethodsoftenignorethelocationinformationduringthe

segmentationprocess，whichresultsinunsatisfactorysegmentationperformance.Inordertosolvetheaboveproblems，anefficient

lightfeaturefusionnetwork（LFFNet）isusedforroadscenesegmentation.Specifically，thispaperusesamulti-levelfeaturefusion

moduletoenhancethesemanticconsistencybyembeddingspatiallocationinformationintheattentionmechanism，soastoretain

accuratelocationinformationwhilecapturinglong-rangedependencies.Additionally，alightsemanticpyramidmoduleisutilizedto

extractmulti-scalecontextualinformationthroughdepthwiseseparableconvolutions.Experimentalresultsde