一种基于改进U²-Net网络的街景图像语义分割方法技术

本发明专利技术公开了一种基于改进U2‑Net网络的街景图像语义分割方法，包括采集不同地区不同时间的街景图像作为数据集并进行标注，对U2‑Net网络进行改进，对U2‑Net网络进行改进包括将标准卷积替换为金字塔卷积，根据金字塔卷积构建金字塔卷积模块，构建融合注意力模块，融合注意力模块包括通道注意力模块和空间注意力模块，对数据集中的图像进行光照增强，将光照增强后的数据集划分为训练集、测试集和验证集，根据训练集和验证集对改进后的U2‑Net网络进行训练，根据训练后的U2‑Net网络对测试集进行预测，获取识别结果图像。对数据集进行光照增强预处理，基于金字塔卷积和融合注意力模块对特征图中感兴趣的物体进行定位和聚焦，提高了语义分割的准确性。

【技术实现步骤摘要】

本专利技术涉及计算机视觉，尤其涉及一种基于改进u2-net网络的街景图像语义分割方法。

技术介绍

1、在自动驾驶中，图像分割可以将道路、车辆和行人等不同的目标分割出来，从而实现交通场景的理解和预测。其中，街景语义分割作为一项重要的任务，对于我们深入理解和解释城市环境具有巨大的潜力和意义。街景语义分割旨在实现对街道场景中每个像素的分类，将其归类为不同的语义类别，例如道路、建筑物、车辆等。通过这种细粒度的语义分割，我们可以获得更深入的城市环境理解，帮助我们做出更准确、智能的决策。其中，街景语义分割作为一项重要的任务，对于我们深入理解和解释城市环境具有巨大的潜力和意义。街景语义分割旨在实现对街道场景中每个像素的分类，将其归类为不同的语义类别，例如道路、建筑物、车辆等。通过这种细粒度的语义分割，我们可以获得更深入的城市环境理解，帮助我们做出更准确、智能的决策。

2、在过去，传统的基于手工特征的方法在街景语义分割任务上面临许多挑战。这些方法通常需要依赖人工设计的特征提取器，并且很难处理复杂的场景和变化。然而，深度学习的兴起彻底改变了这一局面。深度学习通过本文档来自技高网...

【技术保护点】

1.一种基于改进U2-Net网络的街景图像语义分割方法，其特征在于，包括，

2.根据权利要求1所述的一种基于改进U2-Net网络的街景图像语义分割方法，其特征在于，所述根据金字塔卷积构建金字塔卷积模块用于对数据集中的图像进行多尺度处理，所述多尺度处理用于将不同卷积层的输出特征图缩放为统一尺寸，根据不同卷积层缩放后的输出特征图通过降采样或高斯金字塔生成图像金字塔，其中，图像金字塔的每一层包含不同尺度的图像，

3.根据权利要求1所述的一种基于改进U2-Net网络的街景图像语义分割方法，其特征在于，所述对数据集中的图像进行光照增强包括根据Zero-DCE++算法对图像进...

【技术特征摘要】

1.一种基于改进u2-net网络的街景图像语义分割方法，其特征在于，包括，

2.根据权利要求1所述的一种基于改进u2-net网络的街景图像语义分割方法，其特征在于，所述根据金字塔卷积构建金字塔卷积模块用于对数据集中的图像进行多尺度处理，所述多尺度处理用于将不同卷积层的输出特征图缩放为统一尺寸，根据不同卷积层缩放后的输出特征图通过降采样或高斯金字塔生成图像金字塔，其中，图像金字塔的每一层包含不同尺度的图像，

3.根据权利要求1所述的一种基于改进u2-net网络的街景图像语义分割方...

【专利技术属性】
技术研发人员：李春庚，王文轩，
申请(专利权)人：大连海事大学，
类型：发明
国别省市：