面向自动驾驶的轻量级道路场景语义分割

摘要：

自动驾驶领域中,现有的道路场景语义分割算法开销巨大,无法满足自动驾驶的实时性.基于DeepLabV3+的整体结构,提出了一种并行特征处理的轻量级图像语义分割模型,兼顾了高精度和实时性.采用MobileNetV2作为主干网络,精简上采样过程,提升分割速度,并减少网络参数量,以便于网络迁移和训练;引入双注意力机制,与空洞卷积空间金字塔模块结合组成并行特征处理结构,提高分割精度;最后,将MobileNetV2与该并行特征处理结构相结合,以完成对图像特征的提取.实验结果表明,相比于传统模型,所提出模型能以少量的系统开销和网络参数量保证高效且精准的图像分割.模型在Cityscapes数据集mIoU达到73.61%,处理一张512×512的图片仅需25 ms.

关键词：语义分割、自动驾驶、轻量级、MobileNetV2、注意力机制

所属期刊栏目：59

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金U1803262

在线出版日期：2023-10-16（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：177-183