一种基于图卷积的车载视频对象语义分割方法

作者：赵江洪; 尹利莎; 陈先昊; 杨甲; 郭明

来源：测绘科学, 2023, 48(02): 157-167.

DOI：10.16251/j.cnki.1009-2307.2023.02.020

• 车载视频
• 视频语义分割
• SegNet
• 图卷积

针对图像语义分割网络(SegNet)在对车载视频分割过程中，因局部特征的丢失造成语义分割精度不高的问题，该文提出一种具有权重系数和图卷积网络的视频分割深度卷积网络(WG-ViSeg)。该网络对SegNet进行改进，在高级特征提取过程中加入图卷积结构，通过扩大节点的感受野减少局部特征的丢失。该网络又利用SE注意力机制改变特征图谱的权重系数进一步提高网络编码能力。对Camvid数据增强验证后结果表明，在满足车载视频对象的快速响应范围内，WG-ViSeg能够很地改善分割过程中出现的碎片化状况，较好地分割出相邻目标对象，对车载视频的整体分割精度达到89.7%,较现有的最优网络提升了5%,尤其对自动驾驶较为重要的车辆、行人等类别的语义分割精度提升了17%。

• 单位
  地理信息工程国家重点实验室; 武汉大学测绘遥感信息工程国家重点实验室; 北京建筑大学