一种基于语义感知的跨域道路场景语义分割方法技术

本发明专利技术涉及语义分割技术领域，且公开了一种基于语义感知的跨域道路场景语义分割方法，所述予以分割方法包括以下步骤：S1、将源域图像按照批次送入特征编码器，得到批次内多个图像的特征；S2、将批次内图像特征送入基于语义感知的中心对齐模块，将具有不同风格的源域图像在特征空间内实现全局中心对齐；S3、将中心对齐后的特征送入基于语义感知的分布对齐模块，对批次内多种风格的图像特征进一步实现局部分布对齐。该基于语义感知的跨域道路场景语义分割方法，减轻标注成本，训练网络最基础的源域图像可以直接从游戏中获得，相应的标签也是通过引擎直接生成，无需人工标注，节省大量人力物力。人力物力。

【技术实现步骤摘要】
一种基于语义感知的跨域道路场景语义分割方法


[0001]本专利技术涉及语义分割
，具体为一种基于语义感知的跨域道路场景语义分割方法。

技术介绍

[0002]图像语义分割是指计算机根据图像的语义内容实现对图像的深层理解，然后进行像素级可视化分割。近些年来，随着人工智能的不断发展，基于深度神经网络的语义分割技术开始越来越多地应用到工业生产、社会安防和交通运输等各个方面，其中，语义分割实现无人驾驶是一项热门研究领域，有着良好的发展前景。语义分割是无人车驾驶的核心算法，当车载摄像头探查到图像后，将图像输入到神经网络中，后台运算设备可以自动将图像分割归类，实现行人和车辆的障碍避让。
[0003]在近几年的发展中，深度学习语义分割的性能趋于完善，但是研究人员发现，在训练数据集上表现优异的模型在其他场景中应用时效能并不理想，这是因为训练图像(源域)和应用的图像(目标域)存在于两个不同的域，他们的数据分布不一致。对此，科研人员提出了大量基于深度学习的人工智能方法，来应对跨域后语义分割的效能衰减问题，通常这些方法需要提前获取目标域的图像来进一步地将本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于语义感知的跨域道路场景语义分割方法，其特征在于：所述予以分割方法包括以下步骤：S1、将源域图像按照批次送入特征编码器，得到批次内多个图像的特征；S2、将批次内图像特征送入基于语义感知的中心对齐模块，将具有不同风格的源域图像在特征空间内实现全局中心对齐；S3、将中心对齐后的特征送入基于语义感知的分布对齐模块，对批次内多种风格的图像特征进一步实现局部分布对齐；S4、将处理后的特征送入特征解码器，得到与原图尺寸大小一致的语义分割预测结果；S5、对当前批次图像的分割预测结果计算损失值并依据损失值训练网络；S6、保存训练模型，即可得应用于任何场景进行语义分割。2.根据权利要求1所述的一种基于语义感知的跨域道路场景语义分割方法，其特征在于：所述步骤S1中，批处理的图像数量至少为2个图像。3.根据权利要求1所述的一种基于语义感知的跨域道路场景语义分割方法，其特征在于：所述步骤S2及S3中，需要将分割类别按照数据集中所占比例排序，选取前16类作为语义感知对象。4.根据权利要求1所述的一种基于语义感知的跨域道路场景语义分割方法，其特征在于：所述步骤S4中，解码后的图像与原图大小保持一致，此处所述原图指裁剪和放缩后的原始图像，裁剪方式依据图片宽度，在图像长边等步长裁剪，然后统一放缩为分辨率为640*640的图像。网络模型为深度卷积神经网络VGG
‑
16、Resnet
‑
50和Resnet
‑
101三种。5.根据权利要求1所述的一种基于语义感知的跨域道路场景语义分...

【专利技术属性】
技术研发人员：雷印杰，彭铎，
申请(专利权)人：四川大学，
类型：发明
国别省市：