基于DenseNet的复杂交通场景语义分割方法

• 作者: 刘虹雨 杨超 涂文轩 蒋斌 赵子龙
• 来源期刊: 模式识别与人工智能
• 学科: 工学
• 关键词: 交通场景 图像语义分割 空洞卷积 多尺度特征融合
• 年，卷（期）: 2019,（5）
• 所属期刊栏目: 研究与应用
• 页码范围: 472-480
• 页数: 9页
• 分类号: TP391
• 字数: 6168字
• 语种: 中文
• DOI: 10.16451/j.cnki.issn1003-6059.201905010

摘要

针对交通场景语义分割方法存在参数量较大、计算效率较低、精度不足等问题,文中提出基于全卷积化DenseNet的多尺度端到端语义分割模型.首先,构建一种含混合空洞卷积的密集连接模块,同时沿通道维度级联各模块,用于提取图像特征.然后,采集多尺度视觉信息并以此作为监督信号回传至原通道中.最后,通过双线性插值法获得预测输出.在CityScapes数据集上的测试实验表明,文中方法对复杂交通场景的解析能力较强,预测精度和分割效率较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨超	湖南大学信息科学与工程学院	28	111	6.0	10.0
2	蒋斌	湖南大学信息科学与工程学院	8	56	4.0	7.0
3	赵子龙	湖南大学信息科学与工程学院	3	4	1.0	2.0
4	涂文轩	湖南大学信息科学与工程学院	2	4	1.0	2.0
5	刘虹雨	湖南大学信息科学与工程学院	2	4	1.0	2.0