基于改进CycleGAN的道路场景语义分割研究

道路场景下的语义分割是无人驾驶中关键的技术,也是计算机视觉中重要的一个领域,而传统的语义分割方法需要对训练数据进行像素级的标注,对数据的要求极高。针对这一问题,将改进的循环生成对抗网络（cycleconsistent adversarial networks,CycleGAN）用于道路场景语义分割,该网络避免了大量的像素级标注且不需要成对的数据集,降低了数据集的要求。将原网络的目标函数用最小二乘损失和Smooth L1范数替代,增加了网络训练的稳定性且提高了生成图像的质量,并引入特征损失保证图像特征的保留,使得生成图像更加真实。使用道路场景分割中常用的Cityscapes数据集进行实验,并用语义分割领域常用的性能评价指标验证了方法的有效性,实验结果表明相较于原网络各性能都有一定提升。     

绿色建筑的设计思路与设计方法

我国是一个发展中国家,正处于经济快速增长的阶段,尤其是建筑行业发展更加迅猛。然而发展中也面临着相当严峻的问题,特别是资源、环境与生态问题又制约着经济发展。大力推行绿色技术,尤其是在我国现阶段生态环境日益恶化的趋势尚未得到有效控制的情况下,是非常必要的。为此本文绿色建筑的设计思想和设计方法。