画像のセマンティックセグメンテーションアルゴリズムの性能を向上させ、精度とリアルタイム性の両方の要件を満たすために、本論文では改良されたBiSeNetに基づくリアルタイム画像セマンティックセグメンテーションアルゴリズムを提案する。まず、BiSeNetのネットワーク構造内の一部のチャネルとパラメータの冗長性を排除するために、二重分岐ネットワークのヘッドを共有し、画像の浅層特徴を効果的に抽出する。次に、上記の共有ネットワークを細部分岐とセマンティック分岐からなる二重分岐ネットワークに分割し、それぞれ空間的な細部情報とセマンティックコンテキスト情報の抽出に使用する。さらに、セマンティック分岐の末端にチャネルおよび空間注意機構を導入して特徴表現能力を強化し、二重注意機構を用いてBiSeNetアルゴリズムを最適化し、セマンティックコンテキスト特徴をより効果的に抽出する。最後に、細部分岐とセマンティック分岐の特徴を融合し、アップサンプリング操作により入力画像の解像度サイズに復元して画像セマンティックセグメンテーションを実現する。本論文のアルゴリズムはCityscapesデータセットにおいて95.3 FPSのリアルタイム性能で77.2% mIoUの精度を達成し、CamVidデータセットにおいて179.1 FPSのリアルタイム性能で73.8% mIoUの精度を達成した。実験結果は、本論文のアルゴリズムがリアルタイム性と精度のバランスに優れており、BiSeNetアルゴリズムおよび他の既存アルゴリズムと比較してセマンティックセグメンテーション性能が著しく向上したことを示している。

セマンティックセグメンテーション;注意機構;リアルタイム性;深層学習