Para segmentar eficazmente escenas complejas como paisajes urbanos, este documento combina la red de alta resolución (HRNet) con un módulo de agrupación piramidal (Pyramid pooling module, PPM) para complementar la información contextual global, proponiendo una red de análisis de escenas de alta resolución. Primero, HRNet se utiliza como la red principal de extracción de características y se mejora su amplio uso de módulos residuales mediante convoluciones dilatadas separables, lo que reduce la cantidad de parámetros y mejora la capacidad de segmentación de objetos a múltiples escalas; en segundo lugar, se diseñaron tasas dilatadas multinivel con un marco de convoluciones dilatadas híbridas para reducir el problema de la cuadrícula mientras se mantiene un campo receptivo denso; luego, se diseñó una estructura de muestreo ascendente continua de múltiples etapas para mejorar el mecanismo simple de fusión posterior de HRNetV2; finalmente, se utiliza un módulo de agrupación piramidal mejorado y adaptable a diferentes resoluciones de imagen para agregar información contextual de diferentes regiones y obtener un mapa de segmentación de alta calidad. Se alcanzó una precisión del 83,3% MIOU con solo 16,4 Mbit de parámetros en el conjunto de datos CityScapes y también se obtuvieron buenos resultados en el conjunto de datos Camvid, logrando un método de análisis de escenas basado en segmentación semántica más confiable, preciso y de bajo costo computacional.

aprendizaje profundo;redes neuronales;segmentación semántica;red de alta resolución;convolución dilatada