이미지 의미 분할 알고리즘의 성능을 향상시키고 정확도와 실시간 요구를 동시에 만족시키기 위해 본 논문에서는 개선된 BiSeNet 기반 실시간 이미지 의미 분할 알고리즘을 제안한다. 우선, BiSeNet 네트워크 구조 내 일부 채널과 파라미터의 중복을 제거하기 위해 이중 분기 네트워크 헤드를 공유하며 동시에 이미지의 얕은 특성을 효과적으로 추출한다; 그런 다음, 상기 공유 네트워크를 세부 분기와 의미 분기로 구성된 이중 분기 네트워크로 분할하여 공간 세부 정보와 의미 컨텍스트 정보를 각각 추출하는 데 사용한다; 또한 의미 분기 말단에 채널 및 공간 주의 메커니즘을 도입하여 특성 표현 능력을 강화하고, 이중 주의 메커니즘을 사용하여 BiSeNet 알고리즘을 최적화하여 의미 컨텍스트 특성을 더 효율적으로 추출한다; 마지막으로 세부 분기와 의미 분기의 특성을 융합하고 업샘플링 연산을 통해 입력 이미지 해상도 크기로 복원하여 이미지 의미 분할을 실현한다. 본 논문 알고리즘은 Cityscapes 데이터셋에서 95.3 FPS의 실시간 성능으로 77.2% mIoU 정확도를 달성하였고, CamVid 데이터셋에서 179.1 FPS의 실시간 성능으로 73.8% mIoU 정확도를 달성하였다. 실험 결과 본 논문 알고리즘은 실시간성과 정확도의 균형을 잘 맞추었으며, BiSeNet 알고리즘 및 기타 기존 알고리즘에 비해 의미 분할 성능이 현저히 향상되었다.

의미 분할; 주의 메커니즘; 실시간성; 딥러닝