基于Deeplabv3+的街景语义分割算法优化研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：图像语义分割是语义分割的重要分支任务,其在新兴的自动驾驶领域有着广泛的应用,但由于城市街景中复杂的道路状况,因此实现精确预测较为困难.以现有的语义分割网络Deeplabv3+为基础提出了一种性能优秀的图像语义分割方法,针对聚合多尺度上下文信息的ASPP模块运算量过大,且支路之间缺乏相关性的问题,提出一种新的密集连接结构的多支路串联ASPP模块,解码阶段,为了整合全局信息采用了U型解码结构,额外选择了多个低级特征进行二次特征融合.一系列实验结果表明:提出的改进方法相比于现有的方法具有更好的性能,在CityScapes数据集上验证了方法的有效性,与现有网络相比预测准确率更高.

外文标题：Research on Optimization of Street View Semantic Segmentation Algorithm Based on Deeplabv3+

作者：

王俊、王静、曹旺

展开 >

作者单位：

四川大学电子信息学院,成都 610065

关键词：

图像语义分割 Deeplabv3+ ASPP

出版年：

2022

DOI：

10.3969/j.issn.1007-1423.2022.08.007