JASE ›› 2018, Vol. 9 ›› Issue (4): 433-440.DOI: 10.3969/j.issn.1674-8484.2018.04.010
白 傑,郝培涵,陈思汉
BAI Jie, HAO Peihan, CHEN Sihan
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Pascal VOC 2012 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(mean IoU) 69.2%,超过了用MobileNetV2 的DeepLab 语义分割网络,运行速度127 ms/ 帧,占内存1.073 GB,优于使用VGG-16、ResNet-101 的结果。