基于改进SegNet模型的斑马线图像语义分割

• 作者: 程换新 蒋泽芹 成凯
• 来源期刊: 电子测量技术
• 关键词: SegNet 深度可分离卷积网络 斑马线 语义分割
• 年，卷（期）: 2020,（23）
• 所属期刊栏目: 信息技术及图像处理|Information Technology and Image Processing
• 页码范围: 104-108
• 页数: 5页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.19651/j.cnki.emt.2005153

摘要

无论是在智能驾驶系统中,还是在智能导盲系统中,道路标线的检测都是一项重要内容.针对传统斑马线识别方法精度低、速度慢的问题,提出了利用深度可分离卷积网络改进SegNet模型的语义分割方法,通过网络爬虫以及手动数据标注,经过Tensorflow深度学习框架训练,其模拟检测达到了较好的结果.试验结果表明,由自行构建的斑马线数据集,训练后的模型每帧运算速度在59 ms内,对斑马线区域分割的像素精度达98.1％,交并比达91.6％.此运算速度以及分割精度满足大部分智能导航系统的需求,为斑马线识别的机器视觉识别提供了技术支持.