-
题名用轻量化卷积神经网络图像语义分割的交通场景理解
被引量：11
- 1
-
-
作者
白傑
郝培涵
陈思汉
-
机构
同济大学汽车学院
-
出处
《汽车安全与节能学报》
CAS
CSCD
2018年第4期433-440,共8页
-
基金
国家重点研发计划(2016YFB0101101)
-
文摘
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。
-
关键词
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
-
Keywords
automotive autonomous driving
scene understanding
visual perception
image semantic segmentation
lightweight convolutional neural network
deep learning
-
分类号
U461.6
[机械工程—车辆工程]
U467.1
[机械工程—车辆工程]
-
