MDF-ANet:低光照环境下的无人驾驶视觉融合分割方法

摘要：

为解决低光照条件下已有图像分割模型性能降低的问题,提出了一个基于RGB和深度图特征融合网络的MDF-ANet图像分割方法.为了对原始数据进行充分的特征学习,采用两路特征提取网络分别提取RGB和深度图特征;设计了一个特征融合模块,分别将两路特征提取网络对应尺度下的输出特征图通过融合模块进行融合,并作为RGB网络下一层的输入,通过不受光照条件影响的深度图来辅助RGB的特征提取;将各个尺度输出的特征图输入多尺度上采样融合模块,进行不同感受野间的信息互补,再上采样至原始输入图像大小,得到分割图像.在Cityscapes及其转化后的低光照图像上进行了一系列实验,在其验证集上取得了 62.44％的均交并比(mean inter-section over union,mIOU),相比只使用RGB输入的模型,性能提高了 9.1％,达到了在低光照条件下提高图像分割性能的目的.

关键词：语义分割、卷积神经网络、注意力机制、特征融合、低光照

所属期刊栏目：42

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2022-04-06（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：97-104