Fast-DSAGCN 语义分割模型

实时高精度分割

通过深度可分离全局卷积与空间注意力机制，在保持实时推理的同时提升分割精度并抑制网格伪影。

Khawaja Iftekhar, Rashid · 杨晨晖 · 黄晨曦

Neurocomputing 2024

参数信息

Cityscapes 分割精度

72.3 %

CamVid 分割精度

72.7 %

技术优势

实时处理高分辨率图像

模型采用深度可分离全局卷积与瓶颈结构，大幅降低计算量，使其能够实时处理高分辨率输入。

抑制网格伪影

多级下采样配合空间注意力模块有效保留低级空间特征，从而减轻网格伪影，提升分割质量。

增强定位精度与抗干扰

空间注意力模块保留了低级空间特征，提高了定位精度和对遮挡、干扰的鲁棒性。

应用场景

• 自动驾驶环境感知：实时解析街道场景，输出像素级语义标签，助力车辆理解周围环境。
• 无人机视觉导航：在机载计算资源受限的情况下，提供实时分割结果用于避障与路径规划。
• 机器人视觉导航：为机器人提供实时环境语义信息，支撑自主导航与交互决策。
• 智能交通监控：快速识别道路、车辆与行人，用于交通流量分析与事件检测。