摘要

我们提出了一种新颖的端到端可训练深度编码器-解码器架构，用于单次通过的语义分割任务。该方法基于级联结构，并引入了特征级的长距离跳跃连接。编码器采用ResNeXt残差模块的结构，并通过重复使用具有相同拓扑结构的变换组合模块来实现特征聚合。解码器则设计了一种新型模块化架构，能够实现三个关键功能：（i）捕获上下文信息，（ii）生成语义特征，以及（iii）实现不同输出分辨率之间的特征融合。尤为重要的是，我们引入了密集的解码器快捷连接（dense decoder shortcut connections），使得每个解码器模块能够利用其之前所有层级的语义特征图，即来自所有更高层次的特征图。这种密集连接机制有效促进了信息在解码器各模块间的传播，并实现了多层次特征的深度融合，显著提升了分割精度。值得注意的是，该方法在多个具有挑战性的数据集上均取得了当前最优的性能表现，且无需像以往方法那样依赖耗时的多尺度推理平均策略。