Um komplexe Szenen wie Stadtlandschaften effizient zu segmentieren und zu analysieren, kombiniert diese Arbeit das hochauflösende Netzwerk (HRNet) mit einem Pyramiden-Pooling-Modul (Pyramid pooling module, PPM) zur Ergänzung globaler Kontextinformationen und schlägt ein hochauflösendes Szenenanalyse-Netzwerk vor. Zunächst wird HRNet als Backbone-Feature-Extraktionsnetzwerk verwendet, und seine häufig eingesetzten Residualmodule werden durch separable dilatierte Faltungen verbessert, wodurch die Parameteranzahl reduziert und die Segmentierungsfähigkeit für mehrskalige Objekte erhöht wird; zweitens wurden mehrstufige Dilationraten mit einem hybriden Dilationfaltungsrahmen entworfen, um das Gitternetzproblem bei gleichzeitig dichtem Rezeptivfeld zu verringern; dann wurde eine mehrstufige kontinuierliche Upsampling-Struktur entworfen, um den einfachen Spätfusion-Mechanismus von HRNetV2 zu verbessern; schließlich wird ein verbessertes, an verschiedene Bildauflösungen anpassbares Pyramiden-Pooling-Modul verwendet, um Kontextinformationen aus verschiedenen Regionen zu aggregieren und qualitativ hochwertige Segmentierungskarten zu erhalten. Auf dem Stadtlandschaft-Datensatz (CityScapes) wurde mit nur 16.4 Mbit Parametern eine Genauigkeit von 83,3% MIOU erreicht, und auch auf dem Camvid-Datensatz wurden gute Ergebnisse erzielt, was eine zuverlässigere, genauere und rechenarme szenenbasierte Analyse mittels semantischer Segmentierung ermöglicht.

tiefes Lernen;Neuronale Netze;semantische Segmentierung;hochauflösendes Netzwerk;dilatierte Faltung