作者：白傑; 郝培涵; 陈思汉汽车自动驾驶场景理解视觉感知图像语义分割轻量化卷积神经网络深度学习
摘要：为提高汽车自动驾驶系统中视觉感知模块的鲁棒性,提出了使用图像语义分割方法进行交通场景理解。采用基于深度学习的语义分割方法,设计了兼顾运行速度和准确率的轻量化卷积神经网络。在特征提取部分,用轻量化特征提取模型MobileNetV2结构,用可变形卷积代替步长为2的卷积层;在特征解码部分,缩减卷积核数目、引入多尺度的空洞可变形卷积,补充低层特征细节。用扩充的PascalVOC2012数据集进行预训练和评估,用交通场景数据集Cityscapes进行测试。结果表明:该网络结构的准确率达到了平均交互比(meanIoU)69.2%,超过了用MobileNetV2的DeepLab语义分割网络,运行速度127ms/帧,占内存1.073GB,优于使用VGG-16、ResNet-101的结果。
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
