雨天道路场景语义分割算法及其移动端部署

现有语义分割模型容易受到雨滴遮蔽干扰,在雨天道路场景数据集上表现不佳;且没有着重关注道路场景中较为重要的车辆和行人2个类别。针对上述2个问题,设计雨天道路场景语义分割算法并将其部署在移动端,以促进自动驾驶技术的发展。提出快速融合金字塔池化模块(Fast Fusion Pyramid Pooling Module,FFPPM),使特征图融合丰富的全局语义信息和局部细节信息,有效分割雨滴遮蔽的场景;提出多重注意力融合模块(Multiple Attention Fusion Module,MAFM),并提高损失函数中车辆和行人的类别权重,增加模型对车辆和行人的关注度;借助Android Studio平台将模型部署到移动端,使用ONNX Runtime进行前向推理,分割效果与电脑端一致。在Rainy WCity数据集上与较新的5种模型进行比较,本文模型在电脑端和移动端分割精度一致;PA和mIoU分别为95.25%和72.96%,车辆PA和IoU分别为84.04%和74.15%,行人PA和IoU分别为34.91%和26.37%,均高于其他5种模型;此外本文模型在电脑端和移动端的FPS分别为45.46和1.26,分割速度较快。本文模型能够在移动端有效分割雨水遮蔽下的道路场景图像,对车辆和行人分割更加精确。