基于卷积神经网络的交通场景语义分割方法研究

摘要：

为提高交通场景的语义分割精度,提出一种基于 RGB-D 图像和卷积神经网络的分割方法.首先,基于半全局立体匹配算法获取视差图D,并将其与RGB图像融合成四通道RGB-D图像,以建立样本库;其次,对于2种不同结构的卷积神经网络,分别采用2种不同的学习率调整策略对网络进行训练;最后,对训练得到的网络进行测试及对比分析.实验结果表明,基于RGB-D图像的交通场景语义分割算法得到的分割精度高于基于RGB图像的分割算法.

关键词：深度学习、卷积神经网络、交通场景、语义分割、视差图

所属期刊栏目：39

分类号：U495;TP391.4(交通工程与公路运输技术管理)

资助基金：国家自然科学基金资助项目51775082,61473057,61203171;中央高校基本科研业务费专项基金资助项目No.DUT15LK13,No.DUT17LAB11The National Natural Science Foundation of China51775082,61473057,61203171;The Central Uni-versity Basic Business Expenses Special Funding for Scientific Research ProjectsDUT15LK13,DUT17LAB11

在线出版日期：2018-06-12（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：123-130