基于DenseNet的复杂交通场景语义分割方法

文档名：基于DenseNet的复杂交通场景语义分割方法
针对传统交通场景语义分割方法存在参数量大、计算效率低、精度不足等问题,本文提出一种基于全卷积化DenseNet的多尺度端到端语义分割模型.该方法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以提取图像特征;其次,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中,MIoU达到70.41％,相比FCN8s、SegNet方法分别提升了12.94％、6.94％;参数量和存储空间分别减少了约10.6倍和2.2倍.实验结果表明,本文方法对复杂交通场景的鲁棒性更强,具有更高的预测精度和分割效率.
作者：蒋斌涂文轩杨超刘虹雨赵子龙
作者单位：湖南大学信息科学与工程学院,长沙410082
母体文献：第六届中国计算机学会大数据学术会议论文集
会议名称：第六届中国计算机学会大数据学术会议  
会议时间：2018年10月11日
会议地点：西安
主办单位：中国计算机学会
语种：chi
分类号：
关键词：图像处理  语义分割  特征融合  交通场景
在线出版日期：2020年11月30日
基金项目：
相似文献
相关博文

2024-12-10 12:52 上传 基于DenseNet的复杂交通场景语义分割方法.pdf

文件大小:

1.25 MB

下载次数:

60

高速下载