| 结合语义边界信息的道路环境语义分割方法 |
| |
| 引用本文： | 宋小娜,芮挺,王新晴. 结合语义边界信息的道路环境语义分割方法[J]. 计算机应用, 2019, 39(9): 2505-2510. DOI: 10.11772/j.issn.1001-9081.2019030488 |
| |
| 作者姓名： | 宋小娜 芮挺 王新晴 |
| |
| 作者单位： | 中国人民解放军陆军工程大学野战工程学院,南京210018;华北水利水电大学机械学院,郑州450045;中国人民解放军陆军工程大学野战工程学院,南京,210018 |
| |
| 基金项目： | 国家重点研发计划项目（2016YFC0802904）；国家自然科学基金资助项目（61472444，61671470）；江苏省自然科学基金资助项目（BK20161470）。 |
| |
| 摘 要： | 语义分割是实现道路语义环境解释的重要方法，深度学习语义分割由于卷积、池化及反卷积的作用使分割边界模糊、不连续以及小目标漏分错分，影响了分割效果，降低了分割精度。针对上述问题，提出了一种结合语义边界信息的新的语义分割方法，首先在语义分割深度模型中构建了一个语义边界检测子网，利用网络中的特征共享层将语义边界检测子网络学习到的语义边界信息传递给语义分割网络；然后结合语义边界检测任务和语义分割任务定义了新的模型代价函数，同时完成语义边界检测和语义分割两个任务，提升语义分割网络对物体边界的描述能力，提高语义分割质量。最后在Cityscapes数据集上进行一系列实验证明，结合语义边界信息的语义分割方法在准确率上比已有的语义分割网络SegNet提升了2.9%，比ENet提升了1.3%。所提方法可以改善语义分割中出现的分割不连续、物体边界不清晰、小目标错分漏分、分割精度不高等问题。
|
| 关 键 词： | 语义分割 全卷积神经网络 道路环境感知 边缘检测 无人驾驶车辆 |
| 收稿时间： | 2019-03-25 |
| 修稿时间： | 2019-05-07 |
Semantic segmentation method of road environment combined semantic boundary information |
| |
| SONG Xiaona,RUI Ting,WANG Xinqing. Semantic segmentation method of road environment combined semantic boundary information[J]. Journal of Computer Applications, 2019, 39(9): 2505-2510. DOI: 10.11772/j.issn.1001-9081.2019030488 |
| |
| Authors: | SONG Xiaona RUI Ting WANG Xinqing |
| |
| Affiliation: | 1. College of Field Engineering, Army Engineering University of People's Liberation Army, Nanjing Jiangsu 210018, China;
2. College of Mechanical Engineering, North China University of Water Resources and Electric Power, Zhengzhou Henan 450045, China |
| |
| Abstract: | |
| |
| Keywords: | semantic segmentation Fully Convolutional Network (FCN) road environment perception boundary detection unmanned vehicle |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《计算机应用》浏览原始摘要信息 |
|
点击此处可从《计算机应用》下载全文 |
