利用卷积神经网络的自动驾驶场景语义分割

• 作者: 倪显扬 尚振东 王中宇
• 来源期刊: 光学精密工程
• 学科: 工学
• 关键词: 自动驾驶 图像语义分割 卷积神经网络 DeepLabv3+
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 信息科学
• 页码范围: 2429-2438
• 页数: 10页
• 分类号: TP391
• 字数: 6167字
• 语种: 中文
• DOI: 10.3788/OPE.20192711.2429

摘要

图像语义分割是现代自动驾驶系统的一个必要部分,因为对汽车周围场景的准确理解是导航和动作规划的关键.为提高自动驾驶场景的图像语义分割准确率,且考虑到当下流行的基于卷积神经网络的语义分割模型(DeepLab v3+)无法有效地利用注意力信息,导致分割边界粗糙等问题,提出一种融合底层像素信息与通道、空间信息的语义分割神经网络.在卷积神经网络中插入注意力模块,提取出图像语义级别的信息,通过学习图像的位置信息和通道信息得到更加丰富的特征;从卷积神经网络输出的各类别得分值计算出单点势能,且从初步分割图和原图得到成对势能,以便全连接条件随机场对图像的全部像素进行建模,并且优化图像的局部细节;全连接条件随机场通过迭代得到语义分割的最终结果.在CityScapes数据集上进行了测试,与DeepLab v3+相比较,改进后的模型分别提高了均交并比和均像素精度等关键指标1.07％和3.34％.它能够更加精细地分割目标,较好地解决分割边界粗糙,有效地抑制边界区域分割的过度平滑和不合理孤岛等问题.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王中宇	北京航空航天大学仪器科学与光电工程学院	90	807	15.0	24.0
2	尚振东	河南科技大学机电工程学院	38	154	7.0	10.0
3	倪显扬	北京航空航天大学仪器科学与光电工程学院	1	4	1.0	1.0