基于改进DeepLabv3+的无人车夜间红外图像语义分割

摘要：

为了增强无人车对夜间场景的理解能力,针对无人车在夜间获取的红外图像,提出了一种基于改进DeepLabv3+网络的无人车夜间红外图像语义分割算法.由于自动驾驶场景中的对象往往显示出非常大的尺度变化,该算法在DeepLabv3+网络的基础上,通过引入密集连接的空洞卷积空间金字塔模块,使网络生成的多尺度特征能覆盖更大的尺度范围.此外,该算法将编码器模块的多层结果拼接在译码器模块中,以恢复更多在降采样过程中丢失的空间信息和低级特征.通过端到端的学习和训练,可直接用于对夜间红外图像的语义分割.实验结果表明,该算法在红外数据集上的分割精度优于原DeepLabv3+算法,平均交并比达到80.42,具有良好的实时性和准确性.

关键词：深度学习、语义分割、无人车、红外图像

所属期刊栏目：41

分类号：TN219(光电子技术、激光技术)

资助基金：上海市科委基础研究项目15JC1400600

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：180-185