双分支多尺度注意力网络

即插即用分割模型

通过双分支结构和跨分支注意力，同时提取全局与局部特征，实时语义分割精度显著提升。

Dong, Yongsheng · Chongchong, Mao · Zheng, Lintao · 吴庆涛

Neurocomputing 2025

参数信息

分割精度

78.5 %

分割精度

78.7 %

推理速度

78.5

技术优势

多尺度特征更全

通过多尺度外部注意力块处理不同尺度的特征图，弥补了单分支内特征图尺寸固定的缺陷。

跨分支信息交互

双分支级联注意力模块能捕获更多局部信息，并在一定程度上实现分支间的信息交互。

精度与速度兼得

在 Cityscapes 和 CamVid 上分别达到 78.5% 和 78.7% mIoU，同时满足实时推理要求。

应用场景

• 实时视觉感知：以实时速度完成高精度语义分割，可直接嵌入自动驾驶等系统的视觉感知模块。
• 无人机自主导航：在计算资源受限的机载平台上实时分割地面场景，辅助无人机路径规划与避障。
• 工业缺陷检测：高精度分割可定位产品表面微小缺陷，满足产线实时检测节拍。
• 机器人场景理解：多尺度特征帮助机器人理解复杂场景结构，支撑导航与操作决策。
• 智慧工地监控：实时分割监控画面中的施工区域、人员与机械，提升现场安全管理效率。