一种用于自动驾驶的街道场景解析语义分割方法技术

一种用于自动驾驶的街道场景解析语义分割方法，包括以下步骤：构建图像语义分割网络，图像语义分割网络用于对图像进行下采样处理得到初始特征图，对初始特征图进行一维水平池化处理得到第一全局特征图，对初始特征图进行一维垂直池化处理得到第二全局特征图，融合第一全局特征图和第二全局特征图并生成输出图像；采集训练图片，利用训练图片训练所述图像语义分割网络；利用训练后的图像语义分割网络对待处理图像进行语义分割。本发明专利技术利用全局一维池化机制这种长且窄的池化方式，能够直接有效地将水平和垂直方向上的所有信息进行聚合，将大量的信息联系起来，形成有效的上下文信息，弥补了传统矩形池化在聚合长距离上下文信息上的不足。息上的不足。息上的不足。

【技术实现步骤摘要】
一种用于自动驾驶的街道场景解析语义分割方法


[0001]本专利技术涉及图像语义分割领域，具体涉及一种用于自动驾驶的街道场景解析语义分割方法。

技术介绍

[0002]由于汽车用户的不断增加，公路交通面临的拥堵、安全事故等问题越发严重。自动驾驶技术在车联网技术和人工智能技术的支持下，能够协调出行路线与规划时间，从而大程度提高出行效率，并在一定程度上减少能源消耗。而对于自动驾驶等快速视觉任务，图像语义分割的精度和效率均十分重要，然而目前的语义分割网络无法较好的实现两者的平衡。
[0003]目前，为提升语义分割的效率，大量应用于实时分割任务的轻量型网络研究也得到了快速的发展。PSPNet网络设计出了结构如图1所示的金字塔池化模块（pyramid pooling module，PPM）。PPM模块通过并行多个不同尺度的池化算子，以聚合到不同程度的上下文信息，提升感受野。在PSPNet网络中，PPM模块并行连接了4个不同尺度的池化模块，处理后的特征图尺寸大小分别为1
×
1，2
×
2，3
>×
3和6本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于自动驾驶的街道场景解析语义分割方法，其特征在于，包括以下步骤：构建图像语义分割网络，所述图像语义分割网络用于对图像进行下采样处理得到初始特征图，对所述初始特征图进行一维水平池化处理得到第一全局特征图，对所述初始特征图进行一维垂直池化处理得到第二全局特征图，融合所述第一全局特征图和第二全局特征图并生成输出图像；采集训练图片，利用所述训练图片训练所述图像语义分割网络；利用训练后的图像语义分割网络对待处理图像进行语义分割。2.根据权利要求1所述的一种用于自动驾驶的街道场景解析语义分割方法，其特征在于，所述一维水平池化处理包括对所述初始特征图的每一行进行均值处理得到一维水平特征Y
h
，对所述一维水平特征Y
h
依次进行卷积层处理、批归一化处理后，利用激活函数进行激活，通过上采样还原得到第一全局特征图；所述一维垂直池化处理包括对所述初始特征图的每一列进行均值处理得到一维垂直特征Y
v
，对所述一维垂直特征Y
v
依次进行卷积层处理、批归一化处理后，利用激活函数进行激活，通过上采样还原得到第二全局特征图。3.根据权利要求2所述的一种用于自动驾驶的街道场景解析语义分割方法，其特征在于，所述一维水平特征Y
h
为由H个水平均值输出构成的一维池化算子，所述一维垂直特征Y
v
为由W个垂直均值输出构成的一维池化算子，H为初始特征图的行数，W为初始特征图的列数；其中，第i行的水平均值输出，第j列的垂直均值输出，式中，为图像的第i行、第j列的像素值。4.根据权利要求1所述的一种用于自动驾驶的街道场景解析语义分割方法，其特征在于，所述图像语义分割网络对述初始...

【专利技术属性】
技术研发人员：张强，温杰宾，万敏，鲍海龙，廖茁栋，唐斌，
申请(专利权)人：西南石油大学，
类型：发明
国别省市：