一种基于多分支融合的轻量型雾天街景语义分割算法制造技术

本发明专利技术提出一种基于多分支融合的轻量型雾天街景语义分割算法，旨在提高雾天中城市街景分割精度、加快网络训练速度。针对雾天城市街景目标特征众多、不易区分的特点，道路语义分割经典模型算法都无法满足城市街景识别在实际应用中的准确性和实时性要求。基于多分支融合的轻量型雾天街景语义分割算法，使用编码解码的框架和MobileNetV2作为主干网络，经主干网络提取后的高级特征图传入空洞空间金字塔池化层和全局信息提取层进行融合相加，输出用1

【技术实现步骤摘要】
一种基于多分支融合的轻量型雾天街景语义分割算法


[0001]本专利技术提出一种基于多分支融合的轻量型雾天街景语义分割算法，采用的是一种基于DeeplabV3+网络模型改进的分割算法；该网络主体与DeeplabV3+网络结构相似，网络主干采取轻量级网络，设计构造全局信息提取层，与空洞空间金字塔池化层相连，两条不同的支路分别提取全局信息和多尺度信息后进行融合；改进的DeeplabV3+网络模型可用于更精确地分割雾天模糊物体图像，它可以在保证整体分割精度的同时，提升特征复用效率，解决了原始DeeplabV3+网络结构复杂导致的训练时间缓慢问题，有效地捕捉雾天能见度低而导致信息模糊、分割准确率较低。

技术介绍

[0002]街道是城市中的重要组成部分，对于城市街道场景的理解是实现自动驾驶、智能导航、智能监控等智慧城市新兴应用的重要基础；近年来，随着车载摄像头、监控摄像头等设备快速发展，获取到的城市街道场景图像数量与质量均有大幅度提升；而道路场景中物体尺度差异较大，物体类别多样，天气环境多变且场景复杂，造成道路场景分割不准确、分割速度缓慢的问题；因此，在训本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多分支融合的轻量型雾天街景语义分割算法，其特征在于，包括以下步骤：Step 1：数据预处理，将数据根据需求改为网络可训练的大小；Step 2：构建改进的DeeplabV3+网络结构；Step 3：设置网络训练参数，用该模型对训练集进行训练，获取雾天街景图像分割结果，保存最好的网络模型；Step 4：加载网络模型，对测试集进行测试获取雾天街景图像分割数据和分割图。2.根据权利要求1所述的一种基于多分支融合的轻量型雾天街景语义分割算法，其特征在于，所述Step 1中的具体过程如下：Step1.1 按照大气散射模型模拟雾气衰减系数值可以将雾天程度分为三种不同浓度雾天，雾气衰减数值为0.005、0.01、0.02，分别为薄雾、中雾和浓雾；Step1.2 将数据集划分为训练集、验证集和测试集；Step1.3 使用数据增强增加数据集样本数量，在原有数据图像的基础上对图像进行几何变换，将图片翻转、随机旋转、平移变换、随机裁剪、变形缩放、噪声扰动等各类操作；Step1.4 由于原图像图片尺度过大，按照网络要求对图片进行裁剪操作。裁剪后图片为512
×
512。3.根据权利要求1所述的一种基于多分支融合的轻量型雾天街景语义分割算法，其特征在于，所述Step 2中的具体过程如下：Step2.1 将处理好的雾天城市街景图像输入到主干网络MobileNetV2，提取主干网络MobileNetV2浅层网络输出的低层特征图以及深层网络输出高层特征图；Step2.2 将提取的高层特征图分别输入到空洞空间卷积池化金字塔模块和全局信息提取模块，将空洞空间卷积池化金字塔模块和全局信息提取模块的输出进行元素相加；Step2.2.1 其中全局信息提取模块...

【专利技术属性】
技术研发人员：刘丽伟，王芮，王玲，杜磊，赵强，候德彪，侯阿临，李秀华，梁超，杨冬，
申请(专利权)人：长春工业大学，
类型：发明
国别省市：