基于ENet的轻量级语义分割算法研究*

徐世杰，杜 煜，鹿 鑫，吴思凡

(北京联合大学智慧城市学院,北京 100101)

1 引言

语义分割算法广泛应用于无人驾驶感知、医学图像识别和视频特效等领域，具有重要的研究价值。目前语义分割算法的研究重点在于降低算法参数量级，提升算法实时性[1]。Paszke 等人[2]提出的ENet(Efficient Net)算法是经典的轻量级语义分割算法，具有推理速度快、参数量少和精度较高的特点。但是，随着相关研究的深入，ENet简单的线性编码-解码结构无法满足更高的应用要求。ENet使用较为对称的编码-解码结构，采用传统的逐级下采样方式缓慢减小特征图尺度。然而浅层卷积结果虽具有丰富空间信息，但特征感受野较小、经过的非线性结构少，不能获得有效的语义信息。并且，空间信息传递损失会随着网络层数的加深而增加。Yu等人[3]认为浅层卷积进行了较多大尺寸矩阵运算，减少浅层卷积数量能有效降低计算量。ENet采用逐级上采样的解码方式恢复特征尺度，造成解码器过于庞大，也增加了大尺寸矩阵运算。此外，ENet在bottleneck2.0～3.0中穿插了大量空洞卷积[4]以提升算法感受野[5，6，7]，过多的空洞卷积不仅增加了内存占用，其叠加结构还造成了网格效应[8]，而文献[9]的实验表明感受野过大会造成过拟合现象。

针对以上问题，本文提出了改进的ENet算法 C-ENet+AM+RAM，首先对ENet编解码部分进行剪裁，以加快特征图采样过程并降低空洞卷积的使用率，然后引入通道注意力机制[10],并受其启发设计了空间注意力机制，将2种注意力机制结合设……