基于DenseNet的复杂交通场景语义分割方法

摘要：

针对交通场景语义分割方法存在参数量较大、计算效率较低、精度不足等问题,文中提出基于全卷积化DenseNet的多尺度端到端语义分割模型.首先,构建一种含混合空洞卷积的密集连接模块,同时沿通道维度级联各模块,用于提取图像特征.然后,采集多尺度视觉信息并以此作为监督信号回传至原通道中.最后,通过双线性插值法获得预测输出.在CityScapes数据集上的测试实验表明,文中方法对复杂交通场景的解析能力较强,预测精度和分割效率较高.

关键词：交通场景、图像语义分割、空洞卷积、多尺度特征融合

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金青年科学基金项目61702176;湖南省自然科学基金项目2017JJ3038

在线出版日期：2019-06-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：472-480