用于实时道路场景的语义分割算法CBR-ENet

• 作者: 黄福蓉
• 来源期刊: 中国电子科学研究院学报
• 关键词: 深度学习 语义分割 实时性
• 年，卷（期）: 2021,（3）
• 所属期刊栏目: 工程应用|Engineering and Application
• 页码范围: 277-284
• 页数: 8页
• 分类号: TP391.41|TP18
• 语种: 中文
• DOI: 10.3969/j.issn.1673-5692.2021.03.011

摘要

针对街道监控和边境荒漠等道路场景监控视频,使用基于深度学习的语义分割方法,对监控视频进行图像语义分割,以便后续对行人、车辆等意向目标进行深入观察和场景解析.文中对轻量级实时语义分割算法ENet进行应用研究和改进,提出改进后的模型CBR-ENet,使其更适合实际应用场景和实际使用环境.首先,对ENet网络进行剪枝压缩,进一步减小模型体积,提高推理速度;然后,进行卷积优化操作,扩大感受野,保证分割精度.改进后的算法CBR-ENet在CamVid数据集上进行了训练和测试,获得了不错的结果,可以适应实际监控视频中的复杂道路场景,同时满足准确率和实时性的要求.