Devido às exigências rigorosas de precisão e tempo real de algoritmos em cenários de aplicação como percepção ambiental para condução autônoma, foi proposto um algoritmo de segmentação semântica de imagens em tempo real baseado em rede de três ramos para equilibrar eficazmente a precisão do modelo de segmentação semântica e a velocidade de inferência. A estrutura da rede de três ramos é inspirada no algoritmo PIDNet, com ramos destinados respectivamente à extração de detalhes da imagem, informações de contexto semântico e informações de borda. No ramo semântico, foi projetado um módulo eficiente de pooling piramidal para obter informações contextuais em diferentes escalas e ampliar o campo receptivo das características da rede. Nos ramos de detalhes e bordas, foram projetados módulos leves e eficientes de atenção interativa entre canais multiescala para reforçar as características extraídas. Por fim, as características extraídas dos três ramos são fundidas e o resultado final da segmentação semântica é produzido. Os resultados experimentais mostram que o algoritmo proposto baseado na rede de três ramos alcança desempenho de segmentação semântica em tempo real com 79,2% de mIoU e 88,5 quadros/s no conjunto de dados Cityscapes, e 80,5% de mIoU e 140,1 quadros/s no conjunto de dados CamVid. O algoritmo proposto pode executar eficientemente a tarefa de segmentação semântica de imagens, alcançando um excelente equilíbrio entre tempo real e precisão, e superando significativamente os métodos de referência existentes.

segmentação semântica;aprendizado profundo;tempo real;mecanismo de atenção;características multiescala