基于粒子群算法的多尺度反卷积特征融合的道路提取

摘要：

研究基于传统FCN算法下的不同比例的多尺度特征融合对于复杂场景下道路提取准确度的提高.针对复杂的航拍道路场景,设计了针对于农田环境下的FROBIT农田道路数据集,并使用全卷积神经网络(FCN)对FROBIT农田道路数据集和Massachusetts城市道路数据集进行道路提取工作.本文基于传统的FCN的网络,对其反卷积方式进行改进,采用粒子群算法(PSO)设计了不同比例的多尺度特征融合.通过将本文提出的Multi-Scale FCN网络与传统的FCN神经网络在FROBIT数据集和Massachusetts道路数据集上进行对比实验,结果表明Multi-Scale FCN网络相比于传统的FCN神经网络在提取精度上得到了提高.

关键词：非结构化道路、模式特征优化、全卷积神经网络、语义分割

所属期刊栏目：40

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金资助项目;云南省基础研究计划资助项目;云南省科技厅重点研发计划资助项目工业领域;广东省科技创新战略专项资金

在线出版日期：2020-07-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：640-647