Para segmentar eficientemente cenas complexas como paisagens urbanas, este artigo combina a rede de alta resolução (HRNet) com um módulo de pooling piramidal (Pyramid pooling module, PPM) para complementar a informação contextual global, propondo uma rede de análise de cenas de alta resolução. Primeiro, o HRNet é usado como a rede de extração de características principal, e seus amplamente utilizados módulos residuais são aprimorados com convoluções separáveis dilatadas, reduzindo o número de parâmetros enquanto melhora a capacidade de segmentação de objetos em múltiplas escalas; em seguida, foram desenhadas taxas dilatadas em múltiplos níveis usando um framework de convoluções dilatadas híbridas, reduzindo o problema da grade enquanto mantém um campo receptivo denso; depois, foi projetada uma estrutura contínua de upsampling em múltiplas fases para melhorar o simples mecanismo de fusão tardia do HRNetV2; finalmente, um módulo de pooling piramidal aprimorado e adaptável a diferentes resoluções de imagem é usado para agregar informações contextuais de diferentes regiões para obter um mapa de segmentação de alta qualidade. Alcançou-se uma precisão de 83,3% MIOU com apenas 16,4 Mbit de parâmetros no conjunto de dados CityScapes, e também se obtiveram bons resultados no conjunto de dados Camvid, realizando um método de análise de cenas baseado em segmentação semântica mais confiável, preciso e de baixo custo computacional.

aprendizado profundo;redes neurais;segmentação semântica;rede de alta resolução;convolução dilatada