摘要

近年来，注意力机制被引入分割网络，通过重点关注更具信息量的特征显著提升了模型的表征能力。然而，现有注意力机制往往忽视了语义分割中隐含的子任务，并受限于卷积核的网格结构。本文提出一种新型的挤压-注意力网络（Squeeze-and-Attention Network, SANet）架构，其核心是引入一种高效的挤压-注意力（Squeeze-and-Attention, SA）模块，以捕捉分割任务的两个关键特性：i）像素组注意力（pixel-group attention），ii）像素级预测（pixel-wise prediction）。具体而言，所提出的SA模块通过引入“注意力”卷积通道，在传统卷积基础上施加像素组注意力，从而以高效方式建模空间与通道之间的相互依赖关系。最终的分割结果通过融合SANet四个层级阶段的输出，整合多尺度上下文信息，实现更精确的像素级预测。在两个具有挑战性的公开数据集上的实验证明了所提SANet的有效性：在PASCAL VOC数据集上（未使用COCO预训练）达到83.2%的mIoU；在PASCAL Context数据集上取得54.4%的当前最优mIoU，验证了其先进性能。