首页|基于多级特征图联合上采样的实时语义分割

基于多级特征图联合上采样的实时语义分割

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
视觉感知是无人驾驶技术中的重要一环,而语义分割技术又是实现视觉感知的主要技术手段之一.现在的语义分割技术多采用计算量大、内存占用高的空洞卷积来提取高分辨率特征图,从而导致现在主流的语义分割网络分割速度不足,无法有效应用于无人驾驶的场景中.针对这一问题,提出了一种实时性更好的语义分割网络.首先,采用了一种轻量级的卷积神经网络作为编码器,并且使用跨步卷积和常规卷积替换了耗时、耗内存的空洞卷积.然后,为了得到与DeepLabv v3+相似的特征图,提出了一种新的联合上采样模块:多级特征图联合上采样模块(multi-scale feature map joint pyramid upsamping,MJPU),通过融合编码器的多个特征图,生成了语义信息更加丰富的高分辨率特征图.通过Cityscapes数据集上的实验表明,相比于主流语义分割网络Deeplabv3+,该网络在不损失大量性能的前提下,可以将分割速度提高2.25倍,达到32.3 FPS/s.从而使网络具有更好的实时性,更加适合应用于无人驾驶场景.
Real-time Semantic Segmentation Based on Multi-scale Feature Map Joint Pyramid Upsamping

宋宇、王小瑀、梁超、程超

展开 >

长春工业大学 计算机科学与工程学院,吉林 长春 130012

无人驾驶 语义分割 卷积神经网络 深度学习 空洞卷积

吉林省科技发展计划技术攻关项目吉林省科技发展计划重点研发项目吉林省发改委项目

20200401127GX20200403037SF2019C040-3

2022

10.3969/j.issn.1673-629X.2022.02.013

计算机技术与发展
陕西省计算机学会

计算机技术与发展

CSTPCD
影响因子：0.621
ISSN：1673-629X
年,卷(期)：2022.32(2)
  • 1
  • 3