文章摘要:针对复杂室内场景中，现有RGB图像语义分割网络易受颜色、光照等因素影响以及RGB-D图像语义分割网络难以有效融合双模态特征等问题，提出一种基于注意力机制的RGB-D双模态特征融合语义分割网络AMBFNet（Attention Mechanism Bimodal Fusion Network）。该网络采用编--解码器结构，首先搭建双模态特征融合结构（AMBF）来合理分配编码支路各阶段特征的位置与通道信息，然后设计双注意感知的上下文（DA-Context）模块以合并上下文信息，最后通过解码器将多尺度特征图进行跨层融合，以减少预测结果中类间误识别和小尺度目标丢失问题。在SUN RGB-DNYU和NYU Depth v2（NYUDV2）两个公开数据集上的测试结果表明，相较于残差编解码（RedNet）、注意力互补网络（ACNet）、高效场景分析网络（ESANet）等目前较先进的RGB-D语义分割网络，在同等硬件条件下，本文网络具有更好的分割性能，平均交并比 （MIOU）分别达到了47.9%和 50.0% 。

文章关键词:

论文分类号:TP391.41

文章来源：《信息记录材料》 网址: http://www.xxjlcl.cn/qikandaodu/2022/0126/2486.html