【技术实现步骤摘要】
本专利技术涉及自动驾驶，更具体地说，尤其是涉及一种用于语义分割模型的特征融合的方法、装置及存储介质。
技术介绍
1、感知是自动驾驶技术中的关键一环，而语义分割能提供物体在相片中的边界信息，是感知的一个重要方向，这对自动驾驶安全有着举足轻重的影响。目前，语义分割问题一般都是基于神经网络的语义分割模型的方法进行解决的，因此提高语义分割模型的精度是保障自动驾驶安全的手段之一。
2、语义分割是图像信息提取的一种重要的方法，其特点是对图像进行按像素分类，因此能否精确反映出图像中的边界信息就成为衡量语义分割模型好坏的一个关键标准。而语义分割模型本质上属于一种卷积神经网络模型，分为编码器和解码器两部分，编码器提取的特征图像信息丰富，包含图像的纹理几何等信息，解码器提取的特征更为抽象，拥有丰富的语义信息。为了实现按像素分类，语义分割模型要从抽取的特征中恢复图像的几何信息，一般的解决方法是将编码器中的特征和解码器中的特征合并起来，将丰富的图像信息引入到解码器中。
3、但编码器和解码器中的卷积神经网络提取的特征含义不同，存在着语义差...
【技术保护点】
1.一种用于语义分割模型的特征融合的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于语义分割模型的特征融合的方法，其特征在于，还包括步骤S4，将语义分割模型在语义分割和、或私有数据集上进行验证，所述数据集分为训练集、验证集和测试集。
3.根据权利要求1所述的用于语义分割模型的特征融合的方法，其特征在于，所述步骤S1和步骤S3中的语义分割模型为采用卷积构建的能对图像进行按像素分类的神经网络模型，包括所述编码器和解码器。
4.根据权利要求1所述的用于语义分割模型的特征融合的方法，其特征在于，所述步骤S2中对所述编码器中的特...
【技术特征摘要】
1.一种用于语义分割模型的特征融合的方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的用于语义分割模型的特征融合的方法，其特征在于，还包括步骤s4，将语义分割模型在语义分割和、或私有数据集上进行验证，所述数据集分为训练集、验证集和测试集。
3.根据权利要求1所述的用于语义分割模型的特征融合的方法，其特征在于，所述步骤s1和步骤s3中的语义分割模型为采用卷积构建的能对图像进行按像素分类的神经网络模型，包括所述编码器和解码器。
4.根据权利要求1所述的用于语义分割模型的特征融合的方法，其特征在于，所述步骤s2中对所述编码器中的特征进行加权扩大处理为将所述第一特征乘上一个大于1的权重，其算法公式为：
5.根据权利要求1所述的用于语义分割模型的特征融合的方法，其特征在于，所述步骤s1中的串连方式为所述编码器中的图像特征x1经过卷积运算得到解码器中的图像特征x2...
【专利技术属性】
技术研发人员：何弢，廖文龙，綦晓杰，谢荣荣，
申请(专利权)人：酷哇科技有限公司，
类型：发明
国别省市：
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。