.png){kind=icon}
返回
Multi-Path Feature Enhancement Network for real-time semantic segmentation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neucom.2025.130099.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
卷积神经网络（CNN）已被广泛应用于语义分割。但其主要关注提取局部层次信息，全局信息提取能力不足。Transformer擅长提取全局信息，但计算量大且不利于实时语义分割。在本工作中，我们提出了一种用于实时语义分割的多路径特征增强网络（MPFENet）。其骨干网络为CNN，并采用多路径特征增强（MPFE）模块通过Transformer增强全局特征信息。我们提出了双池化Transformer（DPFormer）以在提取显著性和全局信息的同时减少计算量。我们进一步提出了并行聚合非对称金字塔池化模块（PAAPPM）以提取不同尺度和方向信息。最后，我们提出了多尺度特征融合模块（MSFFM）以融合经特征增强处理的各路径特征。在五个数据集上的大量实验表明，我们的MPFENet是有效的，并取得了令人满意的结果。具体而言，MPFENet在Cityscapes数据集上以113.8 FPS实现了80.2%的mIoU，在CamVid数据集上以151.2 FPS实现了79.7%的mIoU。
Keyword:
Semantic segmentation
Feature enhancement
Dual pooling transformer
Real-time
期刊
IF:
6.5
论文数:
2.5W
被引数:
6.5W
机构
引用论文
DMANet: Dual-branch multiscale attention network for real-time semantic segmentationDMANet: 用于实时语义分割的双分支多尺度注意力网络.png)
NEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
分享收藏InternImage: Exploring Large-Scale Vision Foundation Models with Deformable ConvolutionsInternImage: 使用可变形卷积探索大型视觉基础模型
OAAI
OAAI分享收藏
查看更多内容