基于卷积神经网络的交通场景语义分割方法研究

• 作者: 周雅夫 李琳辉 连静 郑伟娜 钱波
• 来源期刊: 通信学报
• 学科: 交通运输
• 关键词: 深度学习 卷积神经网络 交通场景 语义分割 视差图
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 学术论文
• 页码范围: 123-130
• 页数: 8页
• 分类号: U495|TP391.4
• 字数: 5036字
• 语种: 中文
• DOI: 10.11959/j.issn.1000-436x.2018053

摘要

为提高交通场景的语义分割精度,提出一种基于 RGB-D 图像和卷积神经网络的分割方法.首先,基于半全局立体匹配算法获取视差图D,并将其与RGB图像融合成四通道RGB-D图像,以建立样本库;其次,对于2种不同结构的卷积神经网络,分别采用2种不同的学习率调整策略对网络进行训练;最后,对训练得到的网络进行测试及对比分析.实验结果表明,基于RGB-D图像的交通场景语义分割算法得到的分割精度高于基于RGB图像的分割算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	连静	大连理工大学工业装备结构分析国家重点实验室运载工程与力学学部汽车工程学院	29	137	6.0	11.0
2	李琳辉	大连理工大学工业装备结构分析国家重点实验室运载工程与力学学部汽车工程学院	34	235	9.0	14.0
3	钱波	大连理工大学工业装备结构分析国家重点实验室运载工程与力学学部汽车工程学院	1	11	1.0	1.0
4	郑伟娜	大连理工大学工业装备结构分析国家重点实验室运载工程与力学学部汽车工程学院	1	11	1.0	1.0