科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对传统的语义分割方法实时性较低，同时感受野也较少，计算量比较大并且需要很长的处理时间等问题，将基于快速卷积神经网络模型(Fast-SCNN)改进后的CFast-SCNN应用于道路场景语义分割，首先在原网络编码部分进行模型剪枝，压缩模型的体积，提高该网络的推理速度；然后在其主干网络部分进行多尺度特征融合操作，扩大感受野，提高大目标边界准确率，保证分割的精度。使用道路场景分割中常用的Cityscapes数据集进行试验，并且使用语义分割领域中常用的性能评价指标验证了方法的有效性，实验结果表明改进后的网络相较于原网络各性能都有一定提升。
- 单位
