【技术实现步骤摘要】
本专利技术涉及计算机视觉领域，尤其是涉及一种基于多特征融合的夜间道路图像语义分割方法及系统。
技术介绍
1、语义分割是计算机视觉领域的一项重要任务，其目的是将图像分割成不同的语义区域，例如将图像中的前景物体与背景区分开，或将图像中的不同类别的物体分割成不同的区域。白天场景下的语义分割技术已经十分出色，但夜间光照情况不好的场景却少有人踏足研究，夜间环境的复杂性和不确定性为夜间语义分割任务增加了难度。
2、神经网络卷积技术、注意力机制、对抗网络等都带动着夜间语义分割任务的发展。起初基于神经网络卷积技术的分割网络颇多，通过训练大量的图像数据，模型可以自动学习到图像中的特征和规律，从而实现对图像的准确分割，但卷积网络层数的增加会带来梯度消失和梯度爆炸的问题，这会导致模型难以训练，并且可能会影响模型的性能。随后，注意力机制为图像分割带来了新的发展。注意力机制是一种能够自动关注图像中重要区域的技术，比起卷积，注意力机制使模型获取像素之间的依赖关系时不再局限于卷积核的大小，直接计算整个图像块与块之间的联系，但注意力机制需要计算输入序列中每...
【技术保护点】
1.一种基于多特征融合的夜间道路图像语义分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多特征融合的夜间道路图像语义分割方法，其特征在于，所述预处理的具体步骤包括：
3.根据权利要求2所述的一种基于多特征融合的夜间道路图像语义分割方法，其特征在于，所述数据增强处理操作包括旋转、裁剪和缩放。
4.根据权利要求1所述的一种基于多特征融合的夜间道路图像语义分割方法，其特征在于，所述语义分割模型的主干网络为ResNet-152。
5.根据权利要求1所述的一种基于多特征融合的夜间道路图像语义分割方法，其特征在...
【技术特征摘要】
1.一种基于多特征融合的夜间道路图像语义分割方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于多特征融合的夜间道路图像语义分割方法，其特征在于，所述预处理的具体步骤包括：
3.根据权利要求2所述的一种基于多特征融合的夜间道路图像语义分割方法，其特征在于，所述数据增强处理操作包括旋转、裁剪和缩放。
4.根据权利要求1所述的一种基于多特征融合的夜间道路图像语义分割方法，其特征在于，所述语义分割模型的主干网络为resnet-152。
5.根据权利要求1所述的一种基于多特征融合的夜间道路图像语义分割方法，其特征在于，所述多特征信息融合为将多尺度特征中曝光特征和分割特征进行信息融合，以根据曝光特征指导并增强所述分割特征，获得融...
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。