摘要
语义图像分割是自动驾驶中道路场景理解的基础任务，其目标是将高分辨率图像中的每个像素分类到一组语义标签中。与其它场景不同，自动驾驶场景中的物体通常呈现出极大的尺度变化，这对高层特征表示提出了严峻挑战，要求模型能够准确编码多尺度信息。为应对这一问题，空洞卷积（atrous convolution）被引入，可在不损失空间分辨率的前提下扩大特征的感受野。在此基础上，空洞空间金字塔池化（Atrous Spatial Pyramid Pooling, ASPP）被提出，通过使用不同膨胀率（dilation rate）的空洞卷积对特征进行融合，生成多尺度的特征表示。尽管ASPP能够生成多尺度特征，但我们认为其在尺度轴上的特征分辨率仍不够密集，难以充分满足自动驾驶场景的需求。为此，本文提出一种密集连接的空洞空间金字塔池化结构（Densely connected Atrous Spatial Pyramid Pooling, DenseASPP），通过以密集连接的方式整合一系列空洞卷积层，使得所生成的多尺度特征不仅覆盖更广的尺度范围，而且在该范围内实现更密集的尺度采样，同时几乎不增加模型的参数量。我们在城市街景基准数据集Cityscapes上对DenseASPP进行了评估，实验结果表明其达到了当前最优的性能水平。