基于改进SegNet模型的斑马线图像语义分割

摘要：

无论是在智能驾驶系统中,还是在智能导盲系统中,道路标线的检测都是一项重要内容.针对传统斑马线识别方法精度低、速度慢的问题,提出了利用深度可分离卷积网络改进SegNet模型的语义分割方法,通过网络爬虫以及手动数据标注,经过Tensorflow深度学习框架训练,其模拟检测达到了较好的结果.试验结果表明,由自行构建的斑马线数据集,训练后的模型每帧运算速度在59 ms内,对斑马线区域分割的像素精度达98.1％,交并比达91.6％.此运算速度以及分割精度满足大部分智能导航系统的需求,为斑马线识别的机器视觉识别提供了技术支持.

关键词：SegNet、深度可分离卷积网络、斑马线、语义分割

所属期刊栏目：43

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家海洋局重大专项国海科字”2016”494号No.30

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：104-108