Для решения проблемы низкой точности распознавания сценических изображений, обусловленной незначительными различиями между классами и нечеткой классификацией внутри классов, в данной работе предложена новая схема семантической сегментации. Вводя глубокое метрическое обучение, акцент делается на семантические отношения между пикселями, что улучшает точность модели. Во-первых, с помощью модуля пирамидального пула с разряженными пространствами происходит извлечение признаков, а в процессе декодирования благодаря структурному объединению высокоразрешающих признаков из поверхностных слоев и низкоразрешающих признаков из глубоких слоев лучше восстанавливаются детали и границы изображений. Затем в модуле глубокого метрического обучения путем обучения хорошо структурированного семантического пространственного встраивания пикселей, максимизируя евклидово расстояние между пикселями разных классов и минимизируя евклидово расстояние между пикселями одного класса, эффективно классифицируют пиксели. В конечном итоге используется взвешенная комбинация функции потерь с фокусной и контрастной потерями, что балансирует важность различных образцов и позволяет точнее оценивать производительность модели, повышая точность и надежность распознавания сцен. Экспериментальные результаты показывают, что модель достигает средний коэффициент пересечения и объединения (mIoU) 47,6% и 83,1% на открытых наборах данных ADE20K и Cityscapes соответственно. По сравнению с современными передовыми методами распознавания сцен, используемыми в качестве базовых, результаты показывают, что предложенный метод является жизнеспособным и передовым.

глубокое обучение; глубокое метрическое обучение; семантическая сегментация; распознавание сцен; несбалансированность классов