随着城市道路变得越来越复杂,实现道路场景图像在像素级别上的分类成为自动驾驶研究的基础。道路场景中对于外界因素如光照、遮挡、尺寸会使得目标物体与图片上差异较大,对语义分割有着更高要求。选用基于金字塔池化模块(Pyramid Scene ...随着城市道路变得越来越复杂,实现道路场景图像在像素级别上的分类成为自动驾驶研究的基础。道路场景中对于外界因素如光照、遮挡、尺寸会使得目标物体与图片上差异较大,对语义分割有着更高要求。选用基于金字塔池化模块(Pyramid Scene Parseing Network,PSPNet)语义分割算法进行道路场景分割,在进行特征提取时选择使用深度可分离卷积、残差边模块轻量型的MobileNetV2网络,得到特征图经过PSP模块时平均池化分成4个区域,区域大小为1×1、2×2、3×3以及6×6,将4个区域结果统一尺寸,并输入PSP模块特征图做堆叠,最终分割出每个像素代表类别。实验结果表明,使用PSPNet模型能够有效对道路场景进行语义分割。展开更多
文摘随着城市道路变得越来越复杂,实现道路场景图像在像素级别上的分类成为自动驾驶研究的基础。道路场景中对于外界因素如光照、遮挡、尺寸会使得目标物体与图片上差异较大,对语义分割有着更高要求。选用基于金字塔池化模块(Pyramid Scene Parseing Network,PSPNet)语义分割算法进行道路场景分割,在进行特征提取时选择使用深度可分离卷积、残差边模块轻量型的MobileNetV2网络,得到特征图经过PSP模块时平均池化分成4个区域,区域大小为1×1、2×2、3×3以及6×6,将4个区域结果统一尺寸,并输入PSP模块特征图做堆叠,最终分割出每个像素代表类别。实验结果表明,使用PSPNet模型能够有效对道路场景进行语义分割。