胡 嵽，冯子亮

（四川大学计算机学院，成都 610065）

（*通信作者电子邮箱1626429788@qq.com）

0 引言

图像语义分割［1-3］是计算机视觉中的基础性技术之一，主要针对图像中的每个像素点的语义信息来进行分类分割，在自动驾驶、机器人视觉以及智能场景理解领域具有非常重要的应用价值。道路图像语义分割作为自动驾驶领域不可或缺的重要一环，协助车道线检测以及行人检测与识别等任务［2］。现存的图像语义分割网络模型存在模型参数量巨大、计算复杂等缺点，未能达到移动端进行快速实时语义分割的要求。因此，本文使用深度可分离卷积设计出了一种轻量级对称式U 型编码器-解码器结构的网络模型MUNet，融合不同层级特征来填充丢失细节。在下采样中丢失的空间信息其实不能简单地通过融合就能被完整恢复，所以本文在MUNet 中加入稀疏短连接，加强相邻网络层间的信息互通，捕捉边缘上下文信息并进行特征复用。由于现阶段的分割网络较难分割较小目标，比如道路场景下的电线杆，以及具有相似外观的不同目标或者是具有不同外观的同一目标［3］。为了解决这些问题，本文在网络中融合了注意力机制，更好地捕捉全局上下文信息，减少类间粘连以及类内分隔的发生，在极大地减少参数量降低计算复杂度的同时得到更精细的分割结果。在实际训练中由于语义分割这类像素级密集预测任务的特殊性以及硬件限制，通常会设置很小的batch size，在这样……