自動運転技術の急速な発展に伴い、正確かつ効率的なシーン理解が特に重要となっている。都市街路シーンのセマンティックセグメンテーションは、歩行者、障害物、道路、標識などの要素を正確に識別・分割し、自動運転技術に必要な道路情報を提供することを目的としている。しかし、現行のセマンティックセグメンテーションアルゴリズムは都市街路シーンのセグメンテーションにおいて依然としていくつかの課題に直面しており、異なるカテゴリのピクセルの区別が十分に明確でないこと、複雑なシーン構造の理解が不十分であること、小規模なオブジェクトや大規模な構造のセグメンテーションが不正確であることが主な問題として挙げられる。これに対して、本稿ではクロスレベル集約ネットワークに基づくリアルタイム都市街路シーン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、エンコーダの末端にクロスレベル集約を組み合わせたピラミッドプーリングモジュールを設計し、多尺度のコンテキスト情報を効率的に抽出する。次に、エンコーダとデコーダの間にクロスレベル集約モジュールを設計し、チャネル注意機構を導入して情報の表現能力を強化し、エンコーダ段階の特徴を段階的に集約して特徴の再利用を十分に実現する。最後に、デコーダ段階でマルチスケール融合モジュールを設計し、チャネル次元でグローバル情報とローカル情報を集約して、深層特徴と浅層特徴の融合を促進する。提案手法は二つの一般的な都市街路データセットで検証された。RTX3090 GPU（一環のTensorRTテスト環境）上で、本手法はCityscapesテストセットでリアルタイム性294 FPSかつ精度73.0% mIoUを達成し、高解像度画像ではリアルタイム性164 FPSかつ精度75.8% mIoUを示した。またCamVidデータセットではリアルタイム性239 FPSかつ精度74.8% mIoUであった。実験結果は、本手法が精度とリアルタイム性の間で有効なバランスを達成しており、他の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大幅に向上していることを示し、リアルタイム都市街路シーンセマンティックセグメンテーション分野に新たな突破口をもたらした。

セマンティックセグメンテーション;畳み込みニューラルネットワーク;都市街路;エンコーダ-デコーダ構造;ピラミッドプーリングモジュール