10.13229/j.cnki.jdxbgxb20180447
基于深度学习图像语义分割的机器人环境感知
基于深度学习图像语义分割模型SegNet,提出了一种基于深度学习的实时图像语义分割框架RT-SegNet(Real time segmentation network).框架分为3个阶段:编码阶段、解码阶段和降维阶段.在编码阶段,提出了一种跨层叠加特征图的方法(Feature map skip superposition,FMSS)来提升特征提取效果;在解码阶段,设计了新的轻量化解码器(Light decoder,LD)结构,减少了卷积层数量,以加快模型训练与预测速度;在降维阶段,提出了卷积降维方法(Dimension reduced module,DRM)将编码器与解码器逐层连接,增强解码器效果.与原始SegNet模型相比,RT-SegNet模型在公共数据集Cityscapes、SUN RGB-D、CamVid、KITTI和作者自行标注的数据集J LUData上平均交叉联合度量分别提升了3.2%、1.8%、5.3%、14.6%、6.8%.
计算机应用、环境感知、深度学习、机器人、语义分割
49
TP301.6(计算技术、计算机技术)
国家自然科学基金61602206
2020-11-23(万方平台首次上网日期,不代表论文的发表时间)
共13页
248-260