基于通道注意力机制的RGB D图像语义分割网络

针对RGB-D图像的语义分割问题,提出了一种结合通道注意力机制的RefineNet网络。考虑到网络特征图中各个通道重要性的不同,将通道注意力机制分别引入基本RefineNet的编码器和解码器模块,以增强网络对重要特征的学习和关注;同时,使用focal loss函数代替传统的交叉熵损失函数,以处理多类语义分割任务中的类别数量不平衡和难分样本问题。在SUNRGBD和NYUv2数据集上的实验结果表明,相比于最新的主流语义分割网络如Depth-aware、RDFNet 和Refinenet,本文网络在保持相近网络参数量和计算量的同时,有效地提高了分割精度,其mIOU分别达到45.7%和49.4%。