文档名：基于改进BiSeNet的语义分割算法
摘要：语义分割在无人驾驶环境感知方面有重要的研究意义,需要同时兼顾语义和空间信息.针对提取语义信息时空间信息丢失不可恢复的问题,提出一种基于改进BiSeNet的语义分割算法.首先,针对空间路径信息冗余的问题,将输入图像转换为灰度图,并通过Sobel算子提取梯度信息后,采用卷积结构提取空间信息;然后,对两分支不同分辨率特征图进行逐步融合上采样.在Cityscapes数据集上对算法进行验证,分割精度达到65.79%,相比BiSeNet提高了3.11%.
作者：鹿鑫 杜煜 陈泽宇 徐世杰 Author：LUXin DUYu CHENZeyu XUShijie
作者单位：北京联合大学智慧城市学院,北京100101北京联合大学机器人学院,北京100101
刊名：传感器与微系统 ISTICPKU
Journal：TransducerandMicrosystemTechnologies
年，卷(期)：2023, 42(7)
分类号：TP391.9TP212
关键词：双路径 特征融合 梯度信息 语义分割 无人驾驶
Keywords：dualpath featurefusion gradientinformation semanticsegmentation unmanneddriving
机标分类号：TP391.41P237TN911.73
在线出版日期：2023年7月28日
基金项目：国家自然科学基金，北京联合大学研究生科研创新资助项目基于改进BiSeNet的语义分割算法[
期刊论文] 传感器与微系统--2023, 42(7)鹿鑫 杜煜 陈泽宇 徐世杰语义分割在无人驾驶环境感知方面有重要的研究意义,需要同时兼顾语义和空间信息.针对提取语义信息时空间信息丢失不可恢复的问题,提出一种基于改进BiSeNet的语义分割算法.首先,针对空间路径信息冗余的问题,将输入图像转...参考文献和引证文献
参考文献
引证文献
本文读者也读过
相似文献
相关博文
基于改进BiSeNet的语义分割算法 Semantic segmentation algorithm based on improved BiSeNet
基于改进BiSeNet的语义分割算法.pdf
|
|
