복잡한 거리 장면 이미지에서 딥러닝 기반 의미 분할 방법의 분할 정확도를 더욱 향상시키기 위해, 본 논문에서는 PointRend 네트워크를 기반으로 다차원 특징(Multi-Dimensional Features, MDF)을 융합한 거리 장면 이미지 의미 분할 네트워크(MDFNet)를 제안한다. 먼저, 목표 영역 강화 모듈을 구축하여 특징 추출 서브네트워크를 최적화하고, 깊은 네트워크의 각 컨볼루션 블록에서 중간 특징 맵을 적응적으로 세밀하게 조정함으로써 복잡한 거리 장면 이미지의 다차원 특징 정보를 정밀하게 추출한다. 다음으로, 특징 융합 시 특징 피라미드 그리드를 도입하여 서로 다른 커널을 사용해 다양한 스케일의 거리 장면 이미지를 처리함으로써 복잡한 거리 장면 이미지의 다양한 해상도 특징을 보다 포괄적으로 획득한다. 마지막으로, 이중 디코더 헤드를 사용해 이미지 세부 사항을 더욱 정교하게 복원하여 픽셀 단위 분류 결과를 얻는다. 실험 결과, 본 논문의 네트워크는 DeepLabV3, SegFormer 등 다른 우수한 분할 네트워크와 비교했을 때 Cityscapes 복잡한 거리 장면 데이터셋에서 분할 정확도가 더 높으며, 평균 교집합비율이 80.11%에 달해 다른 네트워크 대비 3.51% 이상 향상되어 복잡한 거리 장면 이미지에 대한 이해도가 더 뛰어남을 입증했다.

의미 분할;목표 영역 강화;어텐션 메커니즘;특징 피라미드 그리드;다차원 특징