从 CNN 到 Mamba｜PyramidMamba 网络的语义分割优势，解决多尺度特征融合中的语义冗余问题

文章预览

↑ 点击 蓝字  关注极市平台 作者丨AI视界引擎 来源丨AI视界引擎 编辑丨极市平台 极市导读   本文 设计了一个即插即用的解码器，该解码器开发了一种密集空间金字塔池化（DSPP）来编码丰富的多尺度语义特征，以及一个金字塔融合曼巴（PFM）来减少多尺度特征融合中的语义冗余。全面的消融实验证明了所提出方法在增强多尺度特征表示以及实时语义分割巨大潜力方面的有效性和优越性。   >> 加入极市CV技术交流群，走在计算机视觉的最前沿 在深度学习（DL）浪潮的推动下，基于CNN和Transformer的语义分割方法得到了广泛探索，这两种架构都揭示了多尺度特征表示对于加强地理目标的语义信息的重要性。然而，实际的多尺度特征融合通常伴随着由于金字塔特征中的同质语义内容而产生的语义冗余问题。 为了解决这个问题，作者提出了一个基于曼巴的 ………………………………