-
题名基于强化语义流场和多级特征融合的道路场景分割方法
被引量：3
- 1
-
-
作者
项建弘
刘茁
王霖郁
钟瑜
-
机构
哈尔滨工程大学信息与通信工程学院
哈尔滨工程大学先进船舶通信与信息技术重点实验室
中国西南电子技术研究所
-
出处
《数据采集与处理》
CSCD
北大核心
2022年第2期426-436,共11页
-
文摘
自动驾驶是目前计算机视觉任务中难度较大的一类任务,而道路场景下的语义分割是自动驾驶的核心技术之一。本文针对经典分割网络中分辨率恢复方式简单,导致细节信息不完整、目标边缘模糊的问题,提出一种基于强化语义流场的上采样方法。该方法通过学习相邻特征图之间的语义流场,使生成图语义信息更细致,边界处更清晰。同时针对道路场景中目标尺度变化处理困难、小目标难以识别的问题,提出一种新的多级特征融合方法,充分融合深层语义信息与浅层细节信息,以适应不同尺度的目标。本文采用CamVid为数据集进行实验,并进行数据增强。实验表明本文提出的两种方法均显著提升了准确度,整体网络与PSPNet、Deeplabv3+等多种模型相比,准确率更高,分割效果更接近真实值。
-
关键词
深度学习
语义分割
道路场景
强化语义流场
多级特征融合
-
Keywords
deep learning
semantic segmentation
road scene
enhance semantic flow field
multilevel feature fusion
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
TP18
[自动化与计算机技术—控制理论与控制工程]
-
