10.3778/j.issn.1002-8331.2202-0092
用于自动驾驶的轻量级语义分割神经网络
图像语义分割在自动驾驶领域有十分重要的应用,可以让机器人在环境中分割出语义信息,从而对下游的控制动作做出决策.但大部分的深度学习模型都比较大,需庞大的计算资源,很难在移动设备中使用.为了解决这个问题,提出了一种用于语义分割的轻量级神经网络模型,采用编码-解码型与二分支型相结合的网络架构,利用分组卷积、深度可分离卷积、多尺度特征融合模块与通道混洗技术减少网络参数量,提升模型预测精度.该模型训练结合Adam训练法与随机梯度下降法,使用Cityscapes数据集,设置1000个训练周期.经测试,该模型参数量为3.5×106,在单张显卡Nvidia GTX 1070Ti上的运算速度为每秒103帧图片,达到实时计算标准.在模型评估指标中,平均交并比为61.3%,像素准确率为93.4%,性能均优于SegNet和ENet两种模型.
自动驾驶、深度学习、语义分割、轻量级神经网络、深度可分离卷积
59
TP391.41(计算技术、计算机技术)
国家自然科学基金;广东高校省级特色创新类项目
2023-05-30(万方平台首次上网日期,不代表论文的发表时间)
共7页
328-334