【技术实现步骤摘要】
一种基于边界引导的道路场景语义分割方法
[0001]本专利技术涉及深度学习
，更具体的说是涉及一种基于边界引导的道路场景语义分割方法。
技术介绍
[0002]智能交通行业的兴起，使得语义分割在智能交通系统的应用越来越广泛，从交通场景理解和多目标障碍检测到视觉导航都可借由语义分割技术实现。目前，传统语义分割，主要主要依靠图像纹理、颜色以及其他一些简易的表层特征和外部结构特征进行图像分割，以此方式得到的分割结果相对粗陋，精度较低，而使用深度学习来对交通场景进行语义分割简单方便，更重要的是，深度学习的应用极大地提高了图像像素级分类任务的精度。
[0003]采用深度学习的语义分割方法，直接进行像素级别端到端(end
‑
to
‑
end)的语义分割，其只需要将训练集中的图像输入进模型框架中训练，得到权重与模型，即可在测试集进行预测。卷积神经网络的强大之处在于它的多层结构能自动学习特征，并且可以学习到多个层次的特征。目前，基于深度学习语义分割的方法分为两种，第一种是编码
‑>译码架构。编码过程本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于边界引导的道路场景语义分割方法，其特征在于，具体步骤包括如下：获取训练集，所述训练集包括原始道路场景RGB图像、Thermal热红外图像、预处理后的边界图像；构建卷积神经网络；将所述训练集输入到所述卷积神经网络中进行训练，得到对应的语义分割预测图；所述语义分割预测图构成第一集合，真实语义分割图像处理成的独热编码图像构成第二集合，计算所述第一集合与第二集合之间的损失函数，得到卷积神经网络分类训练模型的最优权值矢量和偏置项，所述卷积神经网络分类训练模型训练完成；将待语义分割的道路场景图像输入所述卷积神经网络分类训练模型中，得到预测语义分割图像。2.根据权利要求1所述的一种基于边界引导的道路场景语义分割方法，其特征在于，所述卷积神经网络包括10个编码模块、5个融合模块、1个高级语义模块、1个高级信息模块、4个解码融合模块；所述卷积神经网络中分为两支结构相同的编码流，RGB编码流包含5个编码模块，分别为依次连接的第一个编码模块、第二个编码模块、第三个编码模块、第四个编码模块、第五个编码模块、Thermal编码流包含5个编码模块，分别为依次连接的第六个编码模块、第七个编码模块、第八个编码模块、第九个编码模块、第十个编码模块；融合模块与编码模块相连，高级语义模块分别与第五个融合模块、第四个融合模块相连，高级信息模块与第五个融合模块相连，高级信息模块还与解码融合模块相连。3.根据权利要求2所述的一种基于边界引导的道路场景语义分割方法，其特征在于，所述融合模块包括第一卷积模块、第二卷积模块、第三卷积模块、第四卷积模块、第一交融模块、空洞金字塔模块；第一特征图输入到所述第一卷积模块中得到第三特征图，第二特征图输入到所述第一卷积模块中得到第四特征图，将所述第三特征图和所述第四特征图进行相加操作，得到第五特征图，将所述第五特征图与所述第三特征图进行点乘操作得到第六特征图，将所述第五特征图与所述第四特征图进行点乘操作得到第七特征图，将所述第六特征图与所述第七特征图进行拼接操作得到第八特征图，将所述第八特征图输入到所述第二卷积模块中得到第九特征图，所述第九特征图输入到所述第一交融模块得到第十特征图，所述第十特征图输入到所述空洞金字塔模块得到第十一特征图，所述第十一特征图输入到所述第三卷积模块得到第十二特征图，所述第十二特征图输入到所述第四卷积模块得到第十三特征图。4.根据权利要求2所述的一种基于边界引导的道路场景语义分割方法，其特征在于，所述高级语义模块包括第一卷积...
【专利技术属性】
技术研发人员：周武杰，董少华，吴俊一，许彩娥，强芳芳，邱薇薇，
申请(专利权)人：浙江科技学院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。