基于注意力机制的道路环境语义分割算法

摘要：

针对复杂场景道路图像分割中,由于目标形状不规则、光照变化以及物体遮挡等因素,而导致的分割结果出现分割精度低、小目标分割错误等问题,提出了一种新的语义分割算法GH-deeplabV3+.将DeeplabV3+网络和高分辨率网络相结合,并在骨干特征提取网络中插入注意力机制模块.高分辨率网络模块保持了图像的高分辨特征信息,注意力机制模块增强了关键目标特征信息的权重.在优化超参数的研究中,使用APReLU激活函数和AdaBelief优化器来优化算法,降低网络损失.在Cityscapes数据集上进行了验证,实验结果表明,GH-deeplabV3+算法提高了图片的分割精度,分割性能优于其它分割算法.

关键词：道路图像分割、小目标、注意力机制、高分辨率特征信息

所属期刊栏目：40

分类号：TP391.4(计算技术、计算机技术)

资助基金：国家自然科学基金41371422

在线出版日期：2023-04-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：122-128