科研之友
微信
新浪微博
Facebook
分享链接
摘要
伴随着车辆智能化程度的持续提高，对道路场景的感知技术提升的需求也在持续增长，而道路场景感知技术的核心要素正是图像视觉。纵观智能驾驶体系，图形视觉最具普遍性的使用场景正是道路图像语义分割。立足于Deeplab V3+网络，以及全连接条件随机场于图像处理领域的特点，面向道路场景语义分割过程之中常见的小范围像素细节出现干扰、空间上下文特征信息缺失、图像分割边缘过程之中出现的模糊等现象，使用图像语义的性能对主、子网络模式展开划分，同时对网络模型展开优化。在Deeplab V3+网络的解码单元之中引入注意力机制，将解码中浅层信息进行跨层融合操作，提升保存图像空间相关数据，从而设置基于改进的Dense ASPP道路图像语义分割模型，并在道路场景数据集Cityscapes上，对Deeplab V3+等算法展开对比实验。从实验数据来看，提出的算法不单单能够完成对道路场景的语义分割，同时还能够高质量地对图像细节数据以及空间信息展开处置，有效提升了图像语义分割的质量。
- 单位
