面向自动驾驶的交通场景语义分割

• 作者: 何淼楹 崔宇超
• 来源期刊: 计算机应用
• 关键词: 语义分割 自动驾驶 DeepLabv3+网络 场景理解 注意力机制
• 年，卷（期）: 2021,（z1）
• 所属期刊栏目: 人工智能|Artificial intelligence
• 页码范围: 25-30
• 页数: 6页
• 分类号: TP393
• 语种: 中文
• DOI: 10.11772/j.issn.1001-9081.2020071114

摘要

交通场景语义分割在自动驾驶中必不可少.为了解决目前的交通场景语义分割方法中由于池化、卷积等操作而造成的目标边界分割模糊、多类别目标及相似物体分割精度低等问题,提出一种带注意力机制的卷积神经网络分割方法.特征提取时,引入多样化的扩张卷积,以挖掘多尺度的语义信息.在信息解码后,添加通道及空间双注意力模块,可以在通道和空间两个维度层面进行注意力特征提取,让网络在学习过程中更侧重于重要信息.在Cityscapes数据集上的实验结果表明,该语义分割网络的平均交并比(MIoU)可达71.6％,超过了基网络为ResNet50的DeepLabv3+语义分割网络.所提方法能更加精细地分割出近似物体及多类别目标,对复杂交通场景图像的理解力更强.